Kundanpassningsprocessen
Hur en produktkonfigurator påverkar kundens betalningsvilja inom hemelektronikbranschen.
Av: Daniel Skoglund och Sinan Özumagi
Handledare: Lars Vigerland
Södertörns högskola | Institutionen för samhällsvetenskaper Kandidatuppsats 15 hp
Marknadsföring | höstterminen 2020
Ekonomi, teknik och design
Förord
Vi vill först och främst tacka Lars Vigerland som har handlett oss, våra nära och kära som stöttat oss och alla respondenter som deltagit i vår studie. Vi vill också tacka varandra för ett gott samarbete och stort tålamod, samt Einar Sjöberg, Antonia West, Emma Lukic och Maureen Sami för deras oerhört hjälpsamma opponeringar. Slutligen vill vi tacka alla som tar sig tid att läsa studien och hoppas de kommer finna den intressant.
Sammanfattning
Författare: Daniel Skoglund och Sinan Özumagi.
Handledare: Lars Vigerland.
Titel: Kundanpassningsprocessen - En studie avseende produktkonfiguratorns påverkan på kundens betalningsvilja inom hemelektronikbranschen.
Nyckelord: Mass-customization, product-configurator, consumer-electronics, kundanpassning, produktkonfigurator, kundanpassningsprocessen, hemelektronik, upplevda värden, kundbeteende.
Syfte: Denna studie avser sig testa vilka värden från kundanpassningsprocessen som påverkar betalningsviljan för produkter inom hemelektronikbranschen.
Metod: Vi har använt oss av en kvantitativ metod med en deduktiv ansats. Studien baserar sig kring en konfirmativ faktoranalys (CFA) som gjordes på det test och enkät som inspirerats av CPVT modellen. Primärdata har manuellt samlats in från enkäten via Google Forms och analyserats i EXCEL, SPSS samt i AMOS. Tidsperioden för undersökningen varade mellan den 2020-11-01 och 2020-12-01. Det slutliga urvalet uppgick till 145 observationer.
Slutsatser: Studien fann att kreativt prestationsvärde (vilket syftar till kundens upplevda stolthet vid vetskapen av att ha skapat något och är direkt kopplat till designprocessen i produktkonfiguratorn) påverkade kundens upplevda tillfredsställelse (den belåtenhet som kommer från kundanpassningsprocessen) som i sin tur påverkade kundens betalningsvilja (en ökning eller minskning av incitamentet till att betala ett högre pris för produkten efter att ha gått igenom kundanpassningsprocessen). Det fanns en starkt positiv kovarians (korrelationen mellan variabelgrupperna) mellan tillfredsställelse och betalningsvilja i väg-diagrammet samt en godtycklig korrelation mellan faktorn för tillfredsställelse och faktorn för betalningsvilja i faktor-korrelationsmatrisen.
Abstract
Authors: Daniel Skoglund och Sinan Özumagi.
Mentors: Lars Vigerland.
Title: Mass customization process - A study about the effects of the product configurator on the consumer’s willingness to pay for consumer electronics.
Keywords: Mass-customization, product configurator, mass customization process, perceived values, consumer behaviour, consumer electronics.
Purpose: This study aims to test which values from the mass customization process that affect the willingness to pay for products in the consumer electronics industry.
Method: We have used a quantitative method with a deductive approach. The study is based on the confirmatory factor analysis (CFA) performed on the test and survey which was inspired by the CPVT model. Primary data has been manually gathered from the survey via Google Forms and later analyzed in EXCEL, SPSS as well as AMOS. The time period for the survey lasted between 2020-11-01 to 2020-12-01. The final sample amounted to 145 observations.
Conclusion: This study found that creative achievement value (which refers to the customers pride of authorship and is directly connected to the codesign process in the product configurator), had an effect on the perceived satisfaction (the enjoyment which comes from the mass customization process) which in turn effected their willingness to pay (an increase or decrease in incitement to pay for a product after going through the mass customization process). There was a strong positive covariance (correlation between the variable groups) between the factor for satisfaction and the factor for willingness to pay in the factor correlation matrix.
Definitioner
MC: Mass Customization (kundanpassning).
MCP: Mass Customization Process (kundanpassningsprocessen).
PC: Product Configurator (produktkonfigurator).
WTP: Willingness to Pay (betalningsvilja).
CPVT: Consumer Perceived Value Tool.
EFA: Exploratory Factor Analysis (explorativ faktoranalys).
CFA: Confirmatory Factor Analysis (konfirmativ faktoranalys).
SEM: Strukturell Ekvationsmodell.
UV: Utilitaristiskt Värde.
HV: Hedonistiskt Värde.
SU: Självuttryckande Värde.
SV: Socialt Värde.
KP: Kreativt Prestationsvärde.
T: Tillfredsställelse.
B: Betalningsvilja.
KMO: Kaiser-Meyer-Olkin Test.
Innehållsförteckning
Tabellförteckning
Tabell 1: Kaiser’s referencevalues…………...17
Tabell 2: Internal consistency (EXCEL)…...18
Tabell 3: Pearson’s korrelationsmatris (EXCEL)...21
Tabell 4: Validitet och reliabilitet (EXCEL)...23
Tabell 5: Model fit (EXCEL)………...25
Tabell 6: Korrelationsvärden M1 (EXCEL)...26
Tabell 7: Faktor-korrelationsmatris (AMOS)...27
Tabell 8: Variabelgruppsanalys (EXCEL)…...29
Figurförteckning
Figur 1: Kundernas upplevda värden... 12Figur 2: Operationaliseringen………... 12
Figur 3: Svarsskalan……….………... 17
Figur 4: Average variance extracted………... 18
Figur 5: Cronbach’s Alpha………... 18
Figur 6: M1, modell för H1 (AMOS)... 24
Figur 7: M0, modell för H0 (AMOS)... 25
Figur 8: B1, B2, B3 (EXCEL)…..………... 30
1. Inledning
I detta kapitel kommer vi introducera bakgrunden till ämnesområdet kundanpassning.
Vi kommer kartlägga vart tidigare forskning tar oss och vart vi fortsätter, samt att problematiken, syftet, forskningsfrågorna och avgränsningarna kommer att behandlas i detta kapitel.
1.1_Problembakgrund
Den fjärde industriella revolutionen har banat vägen för kundanpassningens framväxt på en global nivå. Inom segmentet av hemelektronik kommer 37% av de totala marknadsintäkterna att genereras via onlineförsäljning år 2020, vilket är en ökning med 5% från 2019 (Statista, 2020). År 2015 utförde Deloitte (2016) en studie i England med 1560 respondenter i åldrarna 16 år och uppåt. Studien fann att en femtedel av de som visade intresse för kundanpassade produkter uppvisade en ökad betalningsvilja på 20%
för möjligheten att kunna anpassa produkten, samt att 15% av respondenterna tidigare hade köpt kundanpassade produkter inom hemelektronikbranschen.
Teknologiska framgångar skapar möjlighet för produkter som kan lösa fler problem än tidigare och med fler smarta funktioner därtill. Det som teknologiska framgångar också möjliggör är nya köpupplevelser i form av digitala visningsrum och digitala miljöer där produkter sätts in för att sedan bli skräddarsydda och anpassade efter kundens önskningar. Detta kallas för en produktkonfigurator och processen i sig kallas för en kundanpassningsprocess. Teknologiska produkter tenderar att komma med många olika smarta funktioner som år för år blir smartare och mer komplexa. Detta kan skapa ett problem när det kommer till online försäljning, då produktens imponerande mängd funktioner kan skapa en sorts informationsbarriär för kunden, vilket Trentin, Perin och Forza (2013) menar är något som skulle kunna avvärjas av expediten i fysiska butiker.
Bortsett från bilar som inte införskaffas online lika ofta, så är det produkter inom hemelektronikbranschen (brunvaror) som ofta köps online och starkt påverkas av dessa teknologiska framgångar (Smoliana, 2017). Därför ämnar sig denna studie att studera
segmentet av hemelektronik och hur kundanpassningsprocessen påverkar betalningsviljan för produkter med en mängd avancerade funktioner, exempelvis mekaniska tangentbord eller annan hemelektronik.
Produktkonfiguratorer är inget nytt och har därför studerats i årtionden (Perin et al.
2013). Hur dessa produktkonfiguratorer kommer behöva ändras när produkter använder sig av fler teknologiska funktioner i mer komplexa miljöer är det ingen som vet riktigt ännu. För att bättre förstå och kunna bidra till forskningen så har vi valt den kategori av produkter som kunder köper oftare än bilar men som produkt fortfarande blir påverkade av alla dessa teknologiska funktioner, vilket är hemelektronik. Inom segmentet av hemelektronik har vi specifikt valt mekaniska tangentbord på grund av den mängd funktioner som möjliggörs online via produktkonfiguratorer. Mekaniska tangentbord skiljer sig från de allra flesta “vanliga tangentbord” som använder sig av membranplattor då deras mekaniska design kan anpassas på flera sätt (Kim et al. 2014).
Varje individuell knapp på det mekaniska tangentbordet kan omprogrammeras, smörjas in, ljuddämpas, eller få sin brytare bytt till en annan brytare som beter sig annorlunda vid nedtryckning. Listan av funktioner kan lätt bli överväldigande för någon som inte är tekniskt insatt eller tekniskt intresserad.
Merle, Chandon, Roux, och Alizon (2010) tog fram en modell i en av deras studier som de kallar för “The Consumer-Perceived Value Tool”. Modellen föreslogs hjälpa till att empiriskt mäta fem upplevda värden från kunden under en kundanpassningsprocess.
Dessa fem värden var hedonistiskt värde (kundens upplevda nöjdhet från kundanpassningsprocessen), utilitaristiskt värde (hur bra produkten passar in på kundens estetiska och funktionella preferenser), socialt värde (produktens upphov till att distingera kunden från andra), självuttryckande värde (hur bra produkten låter kunden uttrycka sin självbild under kundanpassningsprocessen) och kreativt prestationsvärde (kundens upplevda stolthet under skapandet av produkten). Joo och Park (2016) baserar sin studie på denna värde-mätningsmetod och använder den för att erhålla en relation mellan kundens upplevda värden, kundens tillfredsställelse, och slutligen kundens märkeslojalitet inom lyxdetaljhandeln. De finner att hedonistiskt, utilitaristiskt, socialt och kreativt prestationsvärde påverkar kundens tillfredsställelse, vilket i sin tur påverkade märkeslojaliteten hos kunden. Testet utfördes på 303 koreanska kvinnliga
konsumenter i åldrarna mellan 20 och 59. Det existerar ett akademiskt behov av att fortsätta granskningen av kundens upplevda värden under kundanpassningsprocessen och vi vill även bidra med att analysera hur dessa värden påverkar kundens betalningsvilja för produkter med många teknologiska funktioner.
1.2 Problematisering
Produktkonfiguratorer tas fram av företag med en hel lista förutbestämda egenskaper och attribut som kunden fritt kan välja mellan, förutsatt att vissa krav möts (Perin et al.
2013). Enligt Lin et al. (2017) är anledningen till detta att bättre möta kundens behov och skapa ytterligare värde, men också för att inte förvirra kunden med alltför komplexa val samt för att underlätta produktionen av produkten. På grund av de fördelar för både företag och kunder så existerar det ett flertal studier främst kring relationen mellan produktkonfiguratorer och kundbeteende (Franke et al. 2010; Merle et al. 2012; Joo et al.
2016).
När det sedan kommer till produktkonfiguratorer och kunders betalningsvilja har vi upptäckt att det existerar ett gap bland tidigare forskning, särskilt inom segmentet för hemelektronik, vilket denna studie ämnas täcka. Problemet som uppstår när produkter får fler teknologiska funktioner är att företag får det svårare att låta kunden personifiera och anpassa produkten efter sina egna behov. Tar man även i beaktande att företagen vill kunna säkerställa korta leveranstider till kunderna så ökar dessutom problematiken (Forza et al. 2003; Salvador et al. 2004; Trentin et al. 2013). Detta resulterar i att det inte längre blir lika självklart varför företag inom hemelektronikbranschen borde lägga ner resurser på att ha en produktkonfigurator (Forza et al. 2003).
Franke, Schreier och Kaiser (2010) genomförde studier på studenter för att se om egendesignad grafik på produkter som klockor, skidor och t-shirts bjöds för ett högre pris än om samma grafik på produkten såldes “direkt från hyllan”. De finner att för bland annat egendesignade t-shirts var det över 40% högre betalningsvilja hos studenterna. Det har visat sig att användarupplevelsen under kundanpassningsprocessen korrelerar med hur redo konsumenten är att betala ett högre pris för samma produkt än om produkten kom direkt från hyllan (Franke et al. 2010), vilket främjar anledningen till att forska
påverkar deras lojalitet till varumärken har studerats av många forskare (Joo et al. 2016;
Merle et al. 2012; Yang et al. 2004), men när det kommer till hur dessa värden påverkar kundens betalningsvilja så finns det betydligt färre studier kring detta. Även om just betalningsvilja “Willingness To Pay” som forskningsområde länge varit populärt, så har det sällan satts i den kontext där man undersöker hur betalningsviljan påverkas av användarupplevelsen från kundanpassningsprocessen. Därför finner vi det av intresse att fortsätta på det spåret och ämnar studien till detta.
1.3 Syfte
Då studier påstår att konsumenterna känner sig mer villiga till köp efter att de har gått igenom någon form av produktkonfigurator, så avser denna studie testa vilka värden från kundanpassningsprocessen som påverkar betalningsviljan för produkter inom hemelektronikbranschen.
1.4 Forskningsfrågan
Påverkas kundens incitament till köp av produkter inom hemelektronikbranschen av kundanpassningsprocessen och kundens upplevda värden under processen? Mer specifikt, existerar en kovarians (det vill säga om två variabler linjärt korrelerar med varandra och tenderar att uppvisa samma beteende) mellan kundens incitament till köp av mekaniska tangentbord och tillfredsställelsen under kundanpassningsprocessen?
1.5 Avgränsningar
Studien fokuserar sig på kundanpassningsprocessen av produkter med ett flertal konfigurerbara funktioner därför har vi valt att avgränsa oss till hemelektronik. Vi har valt att avgränsa oss till teknikintresserade i Sverige för att produktens alla funktioner inte ska vara förvirrande. Testet och enkäten som studien bygger på berör en representativ produkt för hemelektronik och produkter med flertalet teknologiska funktioner, vilket enligt oss är mekaniska tangentbord. För att minimera risken att personer upplever testet, personifiering av ett mekaniskt tangentbord via en webbaserad produktkonfigurator, väldigt negativt på grund av att de ej förstår sig på produkten eller ens i vilket sammanhang som produkten används i så riktar vi in oss på de som är mer tekniskt intresserade.
2. Begrepp och teoretisk referensram
I kapitlet nedan presenterar vi relevanta teorier som vi använt oss av för att nå resultatet.
Vi inleder kapitlet med förklaringar av begreppen produktkonfigurator (PC), kundanpassning (MC) och kundanpassningsprocess (MCP). Vidare beskriver vi de upplevda värden från kundanpassningsprocessen.
För att kunna svara på vår frågeställning och studiens syfte presenterar vi de begrepp, teorier och den tidigare forskning som använts för att skapa en klar grund för analysen.
De begrepp som vi använt oss av och vill ta upp är produktkonfigurator, kundanpassning, kundanpassningsprocess, utilitaristiskt värde, hedonistiskt värde, självuttryckande värde, socialt värde, kreativt prestationsvärde, tillfredsställelse och betalningsvilja. De teorier som varit väsentliga för studien är bland annat Consumer Perceived Value Tool (CPVT) som kopplar kundbeteende till tillfredsställelse.
2.1_Begrepp
För att undvika onödiga missförståelser kommer centrala begrepp för undersökningen att tas upp och definieras här nedan.
2.1.1_Produktkonfigurator
En produktkonfigurator, ”product configurator (PC)” på engelska, även känt som “mass customization toolkit”, är ett digitalt system som hjälper konsumenterna ta fram variationer av en produkt (Franke et al. 2010). Kunderna gör detta genom att använda sig av fördefinierade attribut och komponenter från en lista (Perin et al. 2010). Syftet med en PC är att möjliggöra kunderna att kunna anpassa slutprodukten efter deras egna behov, förhoppningar och önskemål (ibid.). En PC förenklar logistik då det digitala systemet direkt kan koppla den genomförda ordern med de material som behövs eftersom inga nya komponenter designas utan allt är redan fördefinierat (ibid.). Det är vanligt att leveranstiden för kundanpassade eller skräddarsydda produkter ökar, men tack vare en PC så kan både ledtid och leveranstiden hållas betydligt kortare (ibid.). I vårt
fall har produktkonfiguratorn varit webbaserad (se Appendix B) och har innehållit flera nivåer av personifiering.
I en produktkonfigurator får kunden chansen att välja attribut och egenskaper som gör produkten mer unik och anpassad till kundens begäran. Produktkonfiguratorns output visas ofta direkt för kunden i form av bilder eller i vissa fall en interaktiv 3D modell, antingen webbaserat eller med hjälp av VR/AR. Detta hjälper företagen att överbrygga klyftan mellan kundens egna krav och slutprodukten. Vissa produkter har fler funktioner att konfigurera än andra och dessa produkter tenderar att vara mer teknologiska. Sådana produkter är bilar, telefoner, tangentbord, datorer, surfplattor och ljudsystem bland flera, men teknologiska produkter behöver inte alltid komma med konfigurerbara funktioner för kunden (Lin et al. 2017). Exempelvis vitvaror som tvättmaskiner, riskokare, diskmaskiner och liknande brukar inte kunna anpassas mer än mellan ett fåtal färgval, med undantag av kylskåp som på senare tid fått en hel del anpassningsbara funktioner och skräddarsydda attribut. Andra produkter som länge varit vanligt att vilja anpassa är skor, kläder och modeaccessoarer som exempelvis klockor och ringar (Joo et al. 2016).
Dessa produkter har i många fall skräddarsydda attribut, men det som verkligen skiljer dem från de teknologiska produkterna är att de saknar den mångfald av funktioner som teknologiska produkter erbjuder (Trentin et al. 2013). Skor, kläder, och accessoarer kan ha olika färger, former, storlekar och material, men teknologiska produkter som exempelvis en bil, kan även möjliggöra för kunden att låta anpassa dess beteende. Ska bilen ha självkörande egenskaper? Ska bilen svara på röstkommandon? Ska bilen kunna leta efter sina egna parkeringsplatser? Anpassningsmöjligheterna kring produktens beteende och prestanda kan generera så pass många olika extra utfall av produkter att produktkonfiguratorerna dessutom behöver vara mycket mer avancerade (Lin et al.
2017). Självklart finns det många fler produkter än enbart produkter med teknologiska funktioner och produkter inom modebranschen som kunden kan vilja anpassa. Även kök, sängar, pooler, hyllor, och en hel del annat inom fritid och inredningsbranschen börjar säljas med produktkonfiguratorer (Joo et al. 2016). Däremot finns det många produkter som kunden nödvändigtvis inte finner några större behov av att anpassa men som också säljs med olika former av kundanpassning. Detta kan vara tvålar med ens namn graverat, eller med ett familjefoto och liknande. Det är dock inte lika vanligt att företag möjliggör
kundanpassning för dessa produkter, i jämförelse med modeaccessoarer, bilar och hemelektronik (Lin et al. 2017).
2.1.2_Kundanpassning
Kundanpassning, ”mass customization (MC)” på engelska, är när företag möjliggör utformning av en produkt som företaget tillverkar efter konsumentens egna önskemål och behov (Franke et al. 2010). Tack vare de teknologiska framgångarna som internet och modern massproduktion så har MC förenklats och möjliggjort den interaktion mellan kund och företag vi har idag (Godson, 2009). Det huvudsakliga syftet med kundanpassning är att tillföra extra värde för konsumenterna (Schreier, 2006).
2.1.2.1_Kundanpassningsprocess
Kundanpassningsprocess, ”mass customization process (MCP)” på engelska, är tillfället då kunden får göra sina val för att utforma produkten i en PC. Kunden går igenom en serie av fördefinierade attribut och gör sina val bland dessa, för att sedan förvandla alla val till en utformad slutprodukt som företaget sedan tillverkar. Godson (2009) menar att det finns fyra olika typer av kundanpassningsprocesser där graden av företag och kund interaktion varierar. Den första typen kallar Godson för “combination of options” och är ett arbetssätt där företaget först tillverkar produkten efter att kunden har skickat in ordern digitalt, detta är mer känt som “configure to order”. Man kan se det som att en kund går fram till en korvkiosk och får sin korv gjord efter fördefinierade val. Den andra typen kallar han för “postponement” och är baserat på att komponenterna som kunden kan välja mellan är tillverkade i förhand men inte ihopsatta till en produkt först efter kundens order. På detta sätt minskar företagen osäkerheten gällande efterfrågan av produkterna då de väntar så nära försäljningsögonblicket som möjligt och vet precis vilka komponenter som ska sättas ihop till en produkt. Detta skulle vara mer likt hur ett frukostbord skulle serveras med bröd för sig, pålägg för sig, och kunden får välja av det som redan är framlagt till en valfri slutprodukt, denna är mer känd som “assemble to order”. Tredje typen kallas för “bespoke” av Godson och är mer känd som “engineer to order” där interaktionen mellan kund och företag är som starkast. Företaget och kunden arbetar tillsammans för att ta fram en unik produkt efter kundens behov. Godson kallar den fjärde typen för “personalization” och är en mer kosmetisk version av “configure to
order” där kunden exempelvis får sin företagslogga tryckt på en keps eller ett personligt foto tryckt på en mugg (Godson, 2009).
2.2_Upplevt_värde
Definitioner av kundens upplevda värde inkluderar “trade-offs” mellan de olika fördelarna samt uppoffringar som kommer med en produkt eller tjänst (Joo et al. 2016).
Detta kan även ses som 𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑 𝑃𝑟𝑖𝑐𝑒
𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑 𝑉𝑎𝑙𝑢𝑒 (Liljander et al. 1993). Men Gallarza, Gil Saura och Holbrook (2011) menar att detta var vanligare i tidigare litteratur, medan modernare litteratur ser upplevt värde som ett resultat av kundens upplevda fördelar. “The Consumer-Perceived Value Tool” som tidigare nämnts och togs fram av Merle, Chandon, Roux, och Alizon (2010) avses mäta fem av dessa upplevda fördelar. De fem fördelarna eller värdena som den var avsedd mäta var: utilitaristiskt värde, hedonistiskt värde, självuttryckande värde, socialt värde och kreativt prestationsvärde. Joo och Park (2016) tar sedan dessa fem upplevda fördelar och kopplar dem till kundens upplevda tillfredsställelse, som de sedan kopplar till kundlojalitet. I denna studie kopplas istället tillfredsställelsen till kundens incitament till köp efter att ha genomgått en kundanpassningsprocess, med andra ord kundens betalningsvilja.
2.2.1 Utilitaristiskt värde
Forskning inom kundanpassning har tenderat att till störst grad fokusera på det utilitaristiska värdet, det vill säga hur väl produkten passar individens preferenser (Dellaert et al. 2005). Utilitaristiskt värde syftar på hur bra en kundanpassad produkt passar in på kundens funktionella och estetiska preferenser (Schreier, 2006) och är en viktig komponent för företag och e-handelsplattformar vid utvärdering av konsumenternas kundbeteende (Chunmei et al. 2017; Avcilar et al. 2015). I en studie av Kesari et al. (2016) finner de att kunder som gör sina köpbeslut baserat på produktens uppfattade utilitaristiska värde tenderar att vara mer objektiva vid bedömning av en produkt. Alltså ju högre värde som kunden upplever från den kundanpassade produktens estetiska och funktionella aspekter, ju högre utilitaristiskt värde upplever kunden.
2.2.2 Hedonistiskt värde
Hedoniskt värde syftar på kundens upplevda nöje under kundanpassningsprocessen, något som starkt påverkas av användarupplevelsen (Joo et al. 2016). Franke och Schreier
(2006) menar att hedoniskt värde har visats signifikant påverka kundens betalningsvilja för den premie som tillkommer att kunna kundanpassa en produkt. Hedonistiskt värde ses som ett mer subjektivt och personligt värde gentemot utilitaristiskt värde eftersom det hedonistiska värdet i stort sett handlar mer om hur ”roligt och kul” kunden har under kundanpassningsprocessen snarare än vilka steg de går igenom i produktkonfiguratorn (Avcilar et al. 2015).
2.2.3 Självuttryckande värde
Självuttryckande värde syftar på hur bra en kundanpassad produkt ägd av kunden reflekterar kundens självbild oavsett om de har för avsikt att ha sin personlighet avspeglad i produkten eller inte (Merle et al. 2010). Vi kan enbart anta att kundanpassningsprocessen möjliggör för kunderna att kunna personifiera produkten (det mekaniska tangentbordet i vårt fall) utefter sin självbild eftersom de får möjlighet till att välja bland en stor mängd val med en ofattbar mängd kombinationer. För att förtydliga, försöker kunderna inte visa upp hur de sticker ut från andra utan istället försöker äga en produkt som passar in på kundens självbild (ibid.).
2.2.4 Socialt värde
Kim, Kim och Lee (2010) menar att produkter inom lyx-detaljbranschen som exempelvis märkesklockor tillhandahåller så mycket mer än bara funktionellt och estetiskt värde, lyxiga varumärken signalerar status och distingerar köparen från andra. I fallet med personifierade produkter så önskar kunden distingera sig själv och nå sitt “extended-self”
(Kim et al. 2010). Socialt värde syftar till den anpassade produktens förmåga att kunna tillfredsställa konsumentens önskemål i form av erkännande hos andra och social stolthet (Sheth et al. 2004). Brunvaror som smartphones, hörlurar och mekaniska tangentbord signalerar status i olika grader beroende på varumärket som ligger bakom och är alltså inte bortslutna från att ge upphov till socialt värde.
2.2.5 Kreativt prestationsvärde
Kreativt prestationsvärde syftar på den stolthet som uppkommer vid vetskapen av att ha skapat något, “pride of authorship” (Schreier, 2006). Merle et al. (2010) menar att kundens upplevda stolthet under skapandet av produkten är direkt kopplat till produktkonfiguratorns förmågor. Samt att när kunder ges friheten att anpassa och
personifiera en produkt, oavsett produktkonfiguratorns funktioner och limitationer, så känner kunden en känsla av att ha skapat något eget. Detta kan sammanfattas som kundens känsla av prestation i förhållande till den kreativa ”codesign” processen under kundanpassningsprocessen.
2.2.6 Tillfredsställelse
I samband med kundanpassning och personifiering av produkter så kan kundens tillfredsställelse ses som ett resultat av de fem upplevda fördelarna/värdena nämnt ovan (Joo et al. 2016; Merle et al. 2010). En av ‘Dell Computers’ managers förklarar att en stor del av deras kunders tillfredsställelse kommer från den upplevda stoltheten de känner i samband med att ha personifierat en av deras datorer (Franke och Piller, 2003). Detta syftar alltså på kreativt prestationsvärde och är en av de fem upplevda värden som resulterar i tillfredsställelse enligt CPVT modellen. Tillfredsställelse är i största mån analyserat som en ”trade-off” mellan kundens förväntningar kring produkten och produktens faktiska prestanda.
2.2.7 Betalningsvilja
Betalningsvilja, ”willingness to pay (WTP)” på engelska, hjälper oss mäta hur högt en individ uppskattar att värdet av ett objekt är (Franke et al. 2010). WTP definieras vara det maximala pris som en aktör är villig att betala för en produkt eller en tjänst, detta ses som den generella ekonomiska uppfattningen av betalningsvilja (Miller et al. 2011).
Notera att betalningsvilja är rent individuellt och kan skilja sig från person till person. I en studie av Miller, Hofstetter, Krohmer och Zhang (2011) så testar de fyra olika metoder för att mäta kundens WTP. Den första metoden de tar upp kallas för “open ended (OE)”
vilket exempelvis är då man direkt låter kunden själv svara hur högt deras maximala pris för en specifik produkt är. Den andra metoden nämner de som mer indirekt och kallas för
“choice-based conjoint (CBC)”. CBC analyseras fram genom att man låter kunden välja mellan olika alternativ av liknande produkter med olika pris, samt så kan kunden också avstå från någondera av produkterna om priset är för högt överlag. Tredje metoden ska försöka förhindra de felaktiga resultat som de två första metoderna kan generera och kallas för “Becker, DeGroot, and Marschak mechanism (BDM)”. Kunden får skriva ner sitt WTP för en produkt och sedan lottas ett pris fram, om det pris som lottats fram är samma som kundens WTP eller lägre så är kunden tvungen att köpa produkten. Fjärde metoden
är en blandning av CBC och BDM som kallas för “incentive-aligned choice-based conjoint (ICBC)”. ICBC gäller flera liknande produkter där ett pris lottas fram och kunden blir skyldig att köpa produkten om det WTP som skrevs ner är högre än det pris som lottats fram. Sedan används även riktig köpdata som riktmärke för jämförelsemetoderna mellan (Miller et al. 2011).
2.3 Consumer Perceived Value Tool
CPVT modellen framtagen av Merle et al. (2010) är en effektiv lösning konstruerad i avsikt att noggrant undersöka ett värde direkt från kundernas perspektiv.
Uppmärksamheten ligger vid det upplevda värdet som konsumenterna känner vid anpassning av en produkt. Merle hävdar att det finns två tänkbara inslag vid användningen av CPVT modellen. Det första är att företag genom CPVT kan avstå från oväsentliga funktioner, något som annars kan göra varan för invecklad för konsumenten.
För det andra är CPTV gynnsam och fördelaktig vid dialoger mellan företagen och marknadsföringen. Detta är en väsentlig faktor för att få en förståelse av kundanpassning och kunna se vilka kundanpassningsprogram som är resultatrika och vilka som inte är det. Som nämnt tidigare har Joo et al. (2016) använt sig av CPVT modellen i syfte att erhålla en relation mellan kundens upplevda värden under kundanpassningsprocessen och kundens tillfredsställelse, samt relationen mellan kundens tillfredsställelse och kundens märkeslojalitet inom lyxdetaljhandeln. De finner att hedonistiskt, utilitaristiskt, socialt och kreativt prestationsvärde påverkar kundens tillfredsställelse, vilket i sin tur påverkade märkeslojaliteten hos kunden. Testet utfördes på 303 koreanska kvinnliga konsumenter i åldrarna mellan 20 och 59.
2.4 Operationalisering
För att kunna svara på hypotesen har ett test och en enkät utformats utefter det urval och de teorier som tagits upp ovan. De fem första upplevda värdena (framtagna enligt CPVT modellen) och deras påverkan på tillfredsställelse undersöks med hjälp av en faktormodell som utvecklades från en explorativ faktoranalys. Lämpligt antal faktorer erhålls dessutom. Sedan studeras faktormodellernas giltighet och tillförlitlighet med en konfirmativ faktoranalys och slutligen analyseras kovariansen mellan variablerna
med faktorernas korrelation för att avgöra det resultat som tas upp i kapitel 4. För att svara på hypoteserna jämförs sedan två modeller och deras ”model fit” för att avgöra vilken modell som passar bättre och möjliggör analys av 𝜌𝑇𝐵 vilket antingen bekräftar nollhypotesen eller avfärdar den.
Figur 1: Kundernas upplevda värden. Bilden visar först fem upplevda värden som kunden upplever under kundanpassningsprocessen och deras koppling till tillfredsställelse. Att finna vilka variabelgrupper/värden som korrelerar med tillfredsställelse är syftet med studien men för att svara på frågeställningen behöver vi även analysera kovariansen mellan tillfredsställelse och betalningsvilja.
Figur 2: Operationaliseringen. Bilden visar den kronologiska ordning som studien har tagit börjande från hypoteser till slutligen en evaluering av path-diagrammens ”model fit” i den strukturella ekvationsmodellen.
Kovarians?
Betalningsvilja Tillfredsställelse
Utilitaristiskt värde Hedonistiskt
värde Självuttryckande
värde Socialt värde
Kreativt prestationsvärde
Hypotes
(H1.)
Urval
(Någorlunda tekniskt kunniga inom
Sverige.)
Test + Enkät
(Webbaserad produkt- konfigurator samt en enkät på 31 frågor. )
Upplevda Värden
(UV, HV, SU, SV, KP, T, B.)
Strukturell Ekvations-
modell
(EFA + CFA + Model Fit.)
3. Metod
I detta kapitel tar vi upp tillvägagångssättet samt tydliggör hur studien genomförts.
Studiens hypotes, urval, population, bortfall, datainsamling och analysmetod presenteras, följt av metodkritik som tas upp i form av reliabilitet och validitet.
För att studera om det går att påvisa att kundanpassningsprocessen och kundens upplevda värden påverkar kundens incitament till köp för produkter inom hemelektronikbranschen har vi efterliknat ett test och en enkät som tidigare utfördes på den koreanska marknaden av Joo et al. (2016).
3.1 Tillvägagångssätt
För att svara på frågeställningen testades en nollhypotes och en alternativhypotes som utgår från att betalningsvilja positivt påverkas av tillfredsställelsen från kundanpassningsprocessen. Vi testade dessa hypoteser med hjälp av ett test och en enkät som inkluderade fem upplevda värden som kopplades till tillfredsställelse. Korrelationen mellan variablerna (kovariansen) tillfredsställelse och betalningsvilja studerades sedan.
För att bättre förstå förhållandet mellan de observerbara variablerna och de sju latenta konstruktionerna se Figur 6. Hypoteserna bygger på formeln för bivariat korrelation som ser ut på följande vis: 𝐶𝑜𝑣(𝑇,𝐵)
𝜎𝑇 𝜎𝐵 , där 𝜎T och 𝜎B är standardavvikelserna, formeln kan skrivas på två ytterligare vis, Corr(T, B) eller ρTB och för synlighetens skull kommer ρTB användas fortsättningsvis.
H0: 𝝆𝑻𝑩 = 𝟎
Det existerar ingen linjär korrelation mellan tillfredsställelse och betalningsvilja, baserat på detta görs antagandet att konsumenterna inte är villiga att betala ett högre pris för varan även om kundanpassningsprocessen är tillfredsställande.
H1: 𝝆𝑻𝑩 ≠ 𝟎
Det existerar en linjär korrelation mellan tillfredsställelse och betalningsvilja, baserat på hur linjär korrelationen är görs antagandet att konsumenterna är villiga att betala ett högre pris för varan om kundanpassningsprocessen är tillfredsställande.
Då ambitionen är att testa hypoteserna använder sig studien av en strukturell ekvationsmodell (SEM) som innehåller en explorativ faktoranalys, en konfirmativ faktoranalys och slutligen en bedömning över hur bra ”fit” modellerna har. Den statistiska institutionen i Uppsala ses som den strukturella ekvationsmodelleringens födelseplats då de har en lång tradition av SEM tack vare pionjär och professor emeritus Karl G. Jöreskog.
Inom svensk marknadsföring är det ovanligt med mer kvantitativ forskning och den metod vi använder oss av faller i denna kategori. Anledningen till att just en strukturell ekvationsmodell använts och är så bra i denna studie är för att den först hjälper oss ange hur uppsättningen ser ut mellan de observerbara variablerna och de latenta konstruktionerna. För att tydliggöra, hur de observerbara variablerna (frågorna i enkäten) mäter de latenta konstruktionerna (kundens upplevda värden, exempelvis tillfredsställelse). Samt att den sedan visar hur dessa latenta konstruktioner är relaterade till varandra (Wallentin, 2020). Strukturell ekvationsmodellering omfattas av två modeller, mätmodellen och strukturella modellen. Den förstnämnda modellen utgör exempel på teorier som angiver hur en samling beräknade variabler mäter potentiella strukturer, medan den strukturella modellen fokuserar mer på att bevisa relationen mellan potentiella strukturer (ibid.). Dessa två modeller kan även ses som en explorativ faktoranalys (EFA) och en konfirmativ faktoranalys (CFA). Då en explorativ faktoranalys används för att undersöka faktorstrukturen utan förkunskap gällande hur många faktorer och vilka faktorer det rör sig om (Karchian, 1991). Detta liknar alltså mätmodellen som omfattas i SEM. Den strukturella modellen liknar en konfirmativ faktoranalys som verifierar en redan framtagen faktormodell genom att bilda en linjär funktion (en indikator) av en eller flera bakomliggande faktorer och en unik varians (Andersson et al. 2014).
Hensen och Roberts (2006) betonar att mycket av kritiken bakom faktoranalyser handlar om att de beslut gällande antal av faktorer som extraheras, tolkning av faktorer och beslut kring urval ofta är subjektiva. Samt att många forskare misslyckas med att meddela vilka beslut de tagit överhuvudtaget, vilket gör det svårare att veta om de varit subjektiva eller inte (Hensen et al. 2006). De beslut vi tagit gällande tolkningen av faktorerna i vår studie baseras på den Varimax och Promax faktorrotation vi använde oss av under EFA. Varimax faktorrotation är den vanligaste formen av faktorrotation och roterar alltså laddningsmatrisen utan att förändra storleken på den förklarade variansen (Andersson
et al. 2014). Det som differentierar Varimax rotation från exempelvis oblik rotation är att den förenklar tolkningen av kolumnerna i laddningsmatrisen genom att maximera den kvadrerade variansen av laddningarna i en faktor (ibid.). Vi vill även vara fullt transparenta om att alla de beslut vi gjort kring vårt urval har varit fullt subjektiva då ett icke-slumpmässigt urval användes, mer specifikt ett typiskt urval.
Strukturell ekvationsmodellering, mer specifikt en CFA, är gynnande för studien då vi har bakomliggande faktorer som vi på förhand har specificerat på grund av att de påverkar flera av de beroende variablerna, se Figur 7 för att bättre förstå sambandet mellan variabler och de bakomliggande faktorerna. Dessa kan vi alltså urskilja med hjälp av en faktoranalys och titta närmare på (Sundell, 2012). Slutligen vill vi ta reda på ”Model fit”
då det anger hur starkt förhållandet är mellan de oberoende variablerna och de latenta konstruktionerna som vi försöker förklara, detta utan att enbart förlita sig på de 𝑋2- värden framtagna från ”chi-squared” testet på kovariansmatrisen (Andersson et al. 2014;
Sundell, 2012). Dock används 𝑋2-värdena för att bedöma modellernas fit.
Efter att en modell (M1) togs fram, via den strukturella ekvationsmodelleringen, som beskrev förhållandet mellan de observerbara variablerna och de latenta konstruktionerna kunde denna modell användas för att testa hypoteserna. Om vi i modell ett (M1) sätter 𝜌𝑇𝐵 till 0 så får vi modell två (M0) och datorprogrammet AMOS kan sen beräkna modellens fit i form av fem olika index, nämligen: 𝑋2
𝐷𝐹 , 𝑝 , 𝑇𝐿𝐼 , 𝐶𝐹𝐼 och 𝑅𝑀𝑆𝐸𝐴.
Sedan jämför vi den nya modell M0’s fit med modell M1’s fit och den modell som har en bättre fit är även den modell som bäst beskriver förhållandet mellan de observerbara variablerna och de latenta konstruktionerna. Detta kommer föra hypotes H0 mot bevis och se om 𝜌𝑇𝐵 = 0, vilket skulle tyda på att det inte finns någon linjär korrelation, eller ett annat värde mellan -1 och 1, men inte 0, detta skulle då tyda på att vi kan bortse från nollhypotesen och godta H1 som säger att 𝜌𝑇𝐵 ≠ 0. Detta skulle resultera i att vi kunde fortsätta analysera den linjära korrelationens betydelse för studien. Ett högre 𝜌𝑇𝐵 skulle innebära en högre kovarians mellan kundernas tillfredsställelse och betalningsvilja.
3.2 Urval, population och bortfall
Urvalet för denna studies test och enkät genomfördes utefter ett typiskt urval. Då undersökningen studerar betalningsvilja hos kunder som genomgår en produktkonfigurator för ett mekaniskt tangentbord så har individer som kan tänkas veta vad ett mekaniskt tangentbord är subjektivt valts ut för både testet och enkäten. Ett typiskt urval är alltså ett icke-slumpmässigt urval som vi valt på grund av bland annat tids och kostnadsenliga skäl. Den valda tidsperioden för undersökningen var från 1 november 2020 till och med 1 december 2020. Urvalet bestod av de 151 antal subjekt som genomgick testet och enkäten. Eftersom studien ämnar undersöka tillfredsställelsen från en webbaserad produktkonfigurator inom hemelektroniksbranschen så utformades kravet att respondenterna är tekniskt intresserade, på den basis att de då inte blir alldeles förvirrade av de mer komplexa funktionerna hos det mekaniska tangentbordet. Vidare sållades 6 subjekt bort då dessa svarade att de inte var tekniskt intresserade, alltså behölls de som svarade att de var intresserade eller någorlunda intresserade. Vårt slutliga urval bestod av 145 observationer. En del av de som gick med på att göra testet och enkäten kom från en Discord server för entusiaster av mekaniska tangentbord i Stockholm och en annan för Göteborg. När det kommer till studiens statistiska signifikans, mer specifikt urvalets representation av populationen blir det ytterst svårt att komma med specifika avgränsningar på populationen eftersom populationen är okänd. Då respondenternas ålder indikerar på en god representation av teknikintresserade i Sverige, samt urvalets storlek (mer om detta i kapitel 3.5.4) så kan vi inte utesluta att en god representation av populationen erhölls och därav att undersökningen har en statistisk signifikans.
3.3 Datainsamling
Studien består av primärdata framtagen manuellt via en Google Forms enkät. All data har först sammanställts i Google Sheets, sedan förts över till SPSS och analyserats med analysverktygen i SPSS samt med AMOS. För att empiriskt mäta kundens upplevda värden har en faktormodell med sju faktorer använts, UV för utilitaristiskt värde, HV för hedonistiskt värde, SU för självuttryckande värde, SV för socialt värde, KP för kreativt prestationsvärde, T för tillfredsställelse och B för betalningsvilja. Omsorg lades på att se till så att frågorna i enkäten faktiskt mäter de latenta konstruktioner som inte direkt går
att mäta med de observerade variablerna men som kan analyseras fram då de är bakomliggande. För att mäta UV, HV, SU, SV och KP har 22 av 28 observerbara variabler använts enligt CPVT modellen, framtagen av Merle et al. (2010) och anpassad till en produktkonfigurator för att testa tillfredsställelse av Joo et al. (2014). Tillfredsställelse mättes med 3 observerbara variabler inspirerat från studien av Srinivasan et al. (2002) och anpassad till vår undersökning. Betalningsvilja mättes med 3 observerbara variabler inspirerat från studien av Franke et al. (2010) och anpassad till vår undersökning. Alla dessa variabler mättes via webbenkäten i form av en sju punkters Likertsskala som gick från ”Stämmer inte” till ”Stämmer” (se Figur 3).
Figur 3: Svarsskalan. Frågorna mättes med en 7 gradig Likertsskala, bilden är direkt tagen från vår webenkät.
3.4 Reliabilitet
Inom kvantitativa studier är reliabilitet något som ofta dyker upp då reliabilitet syftar på hur tillförlitlig undersökningen är. Undersökningen ska inte vara slumpartad eller vara påverkad av tillfälliga betingelser, samt att det ska gå att göra undersökningen på nytt och resultaten ska vara detsamma.
3.4.1 Intern reliabilitet...
För att mäta trovärdigheten bakom respondenternas svar och samtidigt testa om den data vi har passar sig för att analyseras med en faktoranalys använder vi oss av Kaiser- Meyer-Olkin (KMO) testet. KMO testet ger oss alltså en indikation på om det finns en systematik bakom svaren i form av latenta konstruktioner.
Vårt KMO värde på 0,948 är oerhört högt och tyder på att det inte är ren slumpmässighet bakom respondenternas svar utan att det är en påvisad systematik bakom svaren.
Kaiser kopplade följande värden med respektive resultat:
Tabell 1: Kaiser’s referencevalues. Denna tabell är tagen från
statisticshowto.com och ger oss en referens för vilka resultat som de olika KMO värdena tyder på enligt Kaiser själv.
3.5 Validitet
För att erhålla god validitet i ett mått så krävs god reliabilitet, men god validitet krävs inte för att erhålla god reliabilitet. Validitet syftar på hur relevant mätningarna är och det finns fyra typer av validitet. Dessa är:
3.5.1 Begreppsvaliditet
De sju latenta konstruktionernas giltighet kan fås ut genom en så kallad ”average variance extracted” (AVE) vilket bedömer ”the discriminant validity” av mätningen (mer om detta i kapitel 3.5.5).
Figur 4: Average variance extracted. Bilden på den använda formeln, är direkt tagen från ejop.psychopen.eu.
3.5.2 Intern validitet
Cronbach’s alfa användes för att mäta den interna konsistensen över samtliga frågor (bortsett från de två första frågorna kring ålder och tekniskt intresse), detta är skrivet som ett tal mellan 0 och 1. Cronbach’s alfa på (α ≥ 0,9680) erhölls efter att alla svar från de som svarade att de inte var tekniskt intresserade
sållades bort och alla de demografiska variablerna exkluderades (eftersom de inte bidrar med någon ytterligare förklaringsgrad i analyserna). Bobko (2001) anser att värdet på Cronbach’s alfa bör vara 0,7 eller högre för att ge god intern konsistens och vårt värde på 0,968 ligger över 0,7 vilket tyder på att den interna validiteten är av ansenlig grad och alltså går att användas till mer avancerade statistiska analyser.
Tabell 2: Internal Consistency (EXCEL).
Egen uträkning i Excel baserat på Figur 4.
Figur 5: Cronbach’s Alpha. ……….
Bilden på den använda formeln, är direkt tagen från ejop.psychopen.eu.
3.5.3 Extern validitet
Extern validitet är med andra ord ifall resultaten är generaliserbara utöver undersökningens kontext. Hade vi på ett bättre sätt slumpat de individer som deltog i testet och enkäten så hade den externa validiteten ökat, tyvärr blev så inte fallet på grund av tidsbrist. Med en population på cirka 1.000.000, en tillåten felmarginal på 7%, en konfidensnivå på +90% så skulle det totala urvalets storlek behöva vara 139 (enligt SurveyMonkey.com). Detta samt att den representativa indikatorn ålder tyder på att de 145 respondenter som deltog i testet och enkäten representerar teknikintresserade mycket väl och därför kan vi inte utesluta att undersökningen representerar populationen och att en god extern validitet därav erhölls. För att dessutom öka den externa validiteten så använde sig denna studie av en redan existerande webbaserad produktkonfigurator från hemsidan ‘wasdkeyboards.com’, vilket är en onlinebutik som säljer kundanpassade och personifierade mekaniska tangentbord.
3.5.4 Ekologisk validitet
Den ekologiska validiteten syftar på hur naturlig forskningsansatsen är, med andra ord om resultatet är tillämpligt i människors vardag. För att få en högre ekologisk validitet krävs det att testet utförs i en mer naturlig situation, det negativa med det skulle då vara att kontrollen över vilka faktorer som påverkar studien blir sämre. I testet som respondenterna fick genomgå var det inga ytterligare instruktioner över vad de skulle göra i produktkonfiguratorn annat än den instruktion att de skulle personifiera ett mekaniskt tangentbord tills de kände sig färdiga. I en naturlig situation så kommer det självfallet inte finnas några instruktioner kring hantering av hemsidan som produktkonfigurator finns på. Det kommer enbart vara kunder som har behov och önskemål. Därför är det av stor vikt att inte komma med några instruktioner till respondenterna kring hantering eller något som ger respondenten förväntningar av resultatet av sin personifiering. Dock hade vi med en bild på hur det kan se ut när man är klar med testet i enkäten och detta skulle alltså kunna göra den ekologiska validiteten lite lägre då det inte sker liknande i mer naturliga situationer.
3.5.5 Diskriminant validitet
Diskriminant validitet testar om mätningarna som inte relaterar med varandra faktiskt är orelaterade vilket vi kan använda oss av för att se om de latenta konstruktionerna mäter olika saker eller om de rent ut av mäter samma sak. Diskriminant validitet räknas som ett värde mellan 0 och 1, vilket är ett ofta förekommande fenomen bland statistiska uträkningar. Efter uträkningarna i EXCEL fann vi att de fem första latenta konstruktionerna (UV, HV, SU, SV och KP) hade en hög och god diskriminant validitet mellan 0,82 och 0,93. Dock hade tillfredsställelse och betalningsvilja en lägre diskriminant validitet på 0,70 respektive 0,50 (se Tabell 4 i kapitel 4.3.3). Vilket är att förvänta sig då variabelgruppen betalningsvilja i detta fall starkt korrelerar med variabelgruppen tillfredsställelse.
3.6 Test och enkät
Ett icke-slumpmässigt urval i form av digitala länkar som skickades ut på diverse sociala plattformar genererade 151 respondenter av test och enkät. Varje digital länk tog respondenten till ett ”Google Forms” formulär där de först vägleddes att genomgå ett test i form av en webbaserad produktkonfigurator på hemsidan ’wasdkeyboards.com’ följt av en 31 frågor lång webenkät. Av de 151 respondenter som fullbordade alla stegen i formuläret var det sedan 145 respondenter som representerade populationen och de andra sållades bort. Alla resultat kom sedan att sammanställas från vad de 145 respondenterna hade svarat på de 31 frågorna i enkäten, vilket baserades på deras upplevelser från kundanpassningsprocessen i produktkonfiguratorn. Frågorna i enkäten utformades efter de sju latenta konstruktionerna (variabelgrupperna) där varje variabelgrupp erhöll tre till fem frågor vardera för att säkerställa en god intern konsistens.
4. Resultat
Nedan presenteras den strukturella ekvationsmodellering som gjorts på den empiriska data vilket samlats in från enkäten genom ett typiskt urval. De värden som presenteras, kommenteras i detta kapitel och analyseras i kommande kapitel.
4.1 Översikt av slutligt urval
Totalt sett bestod urvalet av 145 respondenter från Sverige som alla var tekniskt intresserade eller någorlunda tekniskt intresserade. Åldersfördelningen var uppdelad på följande vis: 43,4% (16–24 år); 38,8% (25–34 år); 9,9% (35–44 år);
3,9% (Under 16 år); 2% (45–54 år) 1,3% (55–64 år); 0,7% (65+ år). Majoriteten av de 145 respondenterna var tekniskt intresserade (86,9%), följt av (13,1%) som var någorlunda intresserade.
4.2 Materialets lämplighet för CFA
Innan några andra tester genomfördes ville vi först bekräfta att all den insamlad data vi erhållit lämpar sig för att göra en faktoranalys.
Tabell 3: Pearson’s korrelationsmatris (EXCEL). Tabellen ovan visar Pearson’s korrelationsmatris för alla de 28 observerbara variablerna och därav de sju variabelgrupperna. Vi ser att fråga SV3 och SV4 har en korrelation på 0,816 och är den högsta korrelationen i matrisen förutom frågornas korrelation med sig själva. Det är av intresse för oss att studera frågornas korrelation till T1, T2 och T3 då det ger oss en liten uppfattning av hur bra faktormodellen passar.
Det första som vi gjorde var att granska korrelationsmatrisen för att finna varningssignaler om att den existerande variabelgrupperingen är felaktig på något vis.
Då lägre korrelationer mellan frågorna nämligen kan tyda på att de latenta konstruktionerna vi förväntat oss egentligen inte existerar. Det är även av intresse att se så att frågorna inte korrelerar för mycket. Pearson’s korrelationsmatris togs fram och den visar oss att frågorna inte korrelerar med varandra för mycket, det vill säga om två frågor korrelerar mer än 0,9 med varandra så skulle de kunna ses som ren överflödighet att ha två frågor så lika varandra. Fråga SV3 och SV4 har en korrelation på 0,816 och är den högsta korrelationen i matrisen förutom frågornas korrelation med sig själva. Det är av intresse för oss att studera frågornas korrelation till T1, T2 och T3 då det ger oss en liten uppfattning av hur bra faktormodellen passar. Vi ser att det är korrelationer från 0,400 till 0,694 vilket är lovande men dock är antalet variabler så pass många att det inte direkt går att dra några slutsatser av den visuella analysen. Därför testar vi trovärdigheten med ett Kaiser-Meyer-Olkin Test vilket mäter datas lämplighet för analys. KMO testet ger oss alltså en indikation på om det finns en systematik bakom svaren i form av latenta konstruktioner. KMO värdet togs fram: (Kaiser-Meyer-Olkin Measure of Sampling Adequacy = 0,948) och enligt Pallant (2010) så ska KMO värdet ligga över 0,6 för att ge trovärdiga svar ur faktoranalysen (se Tabell 1 för Kaiser’s egna referensvärden). Vårt KMO värde på 0,948 är oerhört högt och tyder på att det inte är ren slumpmässighet bakom respondenternas svar utan att det är en påvisad systematik bakom svaren.
4.3 Strukturell ekvationsmodell
En enkelgrupps strukturell ekvationsmodell undersökte de relationerna som vi skapade mellan observerbara variabler och latenta konstruktioner enligt Figur 6. Först gjordes en explorativ faktoranalys för att ta fram vilka faktorer som verkar på modellen. Sedan gjordes en bedömning av modellens fit och slutligen analyserades vägarna i Path- diagrammet.
4.3.1 Etablering av faktormodellen
Den explorativa faktoranalysen bestod av en skattning av antalet faktorer med hjälp av Maximum Likelihood metoden i SPSS. Faktorerna extraherades baserat på ”Eigenvalues”
och vi fick först fram 5 faktorer i en armbågsliknande scree-plot, men när vi behöll alla faktorer med ett ”Eigenvalue” över 1 så fick vi fram alla 7 faktorer vi förväntat oss från modellen baserat på de grupperingar vi hade gjort.
4.3.3 Model fit
Bedömningen av hur bra ”model fit” vi har krävde att vi simulerade uppsättningen av de observerbara variablerna och de latenta konstruktionerna i mjukvaran AMOS. Självklart finns det inte någon magisk uträkning eller ett magiskt värde som modellen behöver hålla sig under för att vår framtagna modell ska erhålla god fit eller inte. Istället behöver vi bygga ett stabilt argument för att vår modell har god fit genom att samla alla dessa olika ’fit index’. Överlag så dömdes modell M1’s fit vara godtycklig då ’minimum fit’ var uppnått. De värden vi fick var följande: 𝑋2
𝐷𝐹 = 2,544; p <0,001; TLI = 0,843; CFI = 0,873;
RMSEA = 0,065. Dessa värden tyder på en god fit men är inte fullt så bra som vi hade hoppats på då RMSEA (Root Mean Square Error of Approximation) inte uppfyllde good fit standard, men detta kan bero på en för liten mängd respondenter (antalet respondenter är en del av formeln för RMSEA) samt den metod av model fit som användes. Trots detta fortsatte vi med att estimera ”standardized loadings” som vi använde för att räkna ut ”discriminant validity”, ”Average variance extracted” (AVE) och ”composite reliability”. I Tabell 4 kan vi se uträkningarna för ”discriminant validity”
och hur alla latenta variablers ”discriminant validity” är högre än den högsta 𝑅2 per variabelgrupp (siffrorna markerade med fetstil i Tabell 4), vilket tyder på en stark ”discriminant validity”. Notera att tillfredsställelse och betalningsvilja har lägre diskriminant validitet, vilket kan beror på korrelationen mellan T1-3 och B1-3 ( 𝜌𝑇𝐵).
Tabell 4: Validitet och reliabilitet (EXCEL). Bilden visar de uträkningar som gjordes i Excel för att ta fram ”Convergent Validity”, ”Discriminant Validity” och ”Composite Reliability” med hjälp av de erhållna laddningarna.
Markerat i fetstil är variabelgruppernas diskriminanta validitet och variabelgruppernas högsta korrelation i kvadrat, detta jämförs för att se om studien har en god diskriminant validitet, det vill säga om de olika variabelgrupperna
4.4 Test av hypoteserna
För att slutligen kunna bedöma påverkan som tillfredställelse har på betalningsviljan studerar vi de väg-koefficienter som går mellan alla latenta konstruktioner i Figur 6 men med störst fokus på vägen mellan tillfredsställelse och betalningsvilja. Vägen från kreativt prestationsvärde till tillfredsställelse ger en 𝜌𝐾𝑃 𝑇 på 0,68 vilket anses vara ett väldigt högt värde. Medan vägen från självuttryckande värde till tillfredsställelse ger en väldigt låg kovarians på -0,04. Notera att de varianser som är 1,00 har fixerats till 1,00 manuellt.
Figur 6: M1, modell för H1 (AMOS). Bilden visar ett resultat på det vi i Figur 1 försökte förmedla, det vill säga studiens syfte och frågeställning presenteras i denna bild. Rektanglarna är de observerbara variablerna som motsvarar varsin fråga i enkäten, medan ovalerna är de latenta konstruktionerna vi söker studera.
Siffrorna ovanför pilarna är varianserna och notera att de värden som är 1,00 har satts till det för att kunna räkna ut resterande värden.
Efter att vi gjort en väg-diagramsanalys av både M1 och M0 så fick vi fram en hel del värden som det är av intresse att presentera. Men innan dessa värden kan presenteras vill vi presentera modellernas fit, vilket avgör vilken modell (M1 eller M0) som bättre passar att representera relationen mellan de observerbara variablerna och de latenta konstruktionerna (UV, HV, SU, SV, KP, T och B). Model fit analysen från AMOS erhöll tecken som tydde på att M1 hade en bättre fit (se Tabell 5), särskilt då M0 hade lägre TLI och CFI på 0,723 och 0,761 respektive. Vilket också betyder att M0, som är en modell där
Figur 7: M0, modell för H0 (AMOS). Bilden visar ett resultat på när 𝜌𝑇𝐵 sätts till 0. Jämförelsevis resulterade detta i att färre iterationer simulerades, men viktigaste av allt vill vi titta på de index som AMOS ger oss gällande modellens fit. Eftersom modell M0’s fit kan ge oss svaret på hypotes H0, det vill säga om 𝜌𝑇𝐵 är högre eller lägre än 0 vilket skulle tyda på en linjär korrelation. Detta väg-diagram visar inte modellens fit, utan det presenteras i Tabell 5.
är
𝜌𝑇𝐵 = 0 , inte representerar förhållandet mellan de observerbara variablerna och de latenta konstruktionerna bättre än M1 som vi först tog fram.
H0: 𝝆𝑻𝑩 = 𝟎
H1: 𝝆𝑻𝑩 ≠ 𝟎
Detta resulterar i att nollhypotesen kan avfärdas då modellen som säger det motsatta, alltså att 𝜌𝑇𝐵 ≠ 0, bättre representerar relationen. Vidare tolkar vi de värden som analyserats i väg-diagrammet (M1) och finner att H1: 𝜌𝑇𝐵 = 0,79 vilket tyder på en ökande linjär korrelation och en stark sådan dessutom. Även om RMSEA värden upp till 0,08 räknas som adekvata, så räknas värden under 0,05 som god fit, dock kan detta påverkas av urvalsstorleken (Ingram et al. 2000).
Tabell 5: Model fit (EXCEL). Bilden visar de två modellernas fit index där DF står för ”degrees of freedom”, p för ”probability”, TLI för ”Tucker Lewis index”, CFI för ”comparative fit index” och RMSEA för ”root mean square error of aproximation”.
De andra värdena i väg-diagrammet är också av intresse för att tolka vilka upplevda värden som korrelerar med kundens tillfredsställelse (se Tabell 6). I kommande analys kapitel kommer dessa värden analyseras mer, specifikt de som är markerade i fetstil i Tabell 6. Dessa är korrelationerna mellan: hedonistiskt värde → tillfredsställelse (0,26), kreativt prestationsvärde → tillfredsställelse (0,68) och slutligen tillfredsställelse → betalningsvilja (0,79). Notera att kreativt prestationsvärde var det upplevda värde som starkast korrelerade ( 𝜌𝐾𝑃 𝑇 = 0,68) med kundens upplevda tillfredsställelse från kundanpassningsprocessen, följt av hedonistiskt värde ( 𝜌𝐻𝑉 𝑇 = 0,26).
Tabell 6: Model fit värden M1 (EXCEL). Bilden visar de värden som kom från M1’s väg-diagram (Figur 6), markerat i fetstil är de värden som tyder på starka korrelationer
Tabell 7: Faktor-korrelationsmatris (AMOS). Bilden visar de 7 faktorernas korrelation till varandra och till sig själva.
Det är av stort intresse att se hur faktor 6 oh faktor 7 korrelerar med varandra då det ger oss en förståelse hur kundens upplevda tillfredsställelse påverkar på betalningsvilja.
Sammanfattningsvis stöttas hypotes H1, nämligen att 𝜌𝑇 𝐵 ≠ 0, från att model fit för M1 var bättre än model fit för M2, samt att vägen från tillfredsställelse till betalningsvilja i väg-diagrammet tyder på en stark linjär korrelation ( 𝜌𝑇 𝐵 = 0,79) och enligt vår faktor- korrelationsmatris (Tabell 7) så har faktor 6 och faktor 7 en korrelation på godtyckliga 0,535. Detta innebär alltså att faktorn som påverkar tillfredsställelsen och faktorn som påverkar betalningsviljan korrelerar en godtycklig mängd. Vi finner goda tecken på att kundernas betalningsvilja påverkas av tillfredsställelsen genom kundanpassningsprocessen och att tillfredsställelsen till störst del var påverkad av kundernas upplevda kreativa prestationsvärde ( 𝜌𝐾𝑃 𝑇 = 0,68), samt till viss mängd det hedonistiska värdet som kunderna upplever ( 𝜌𝐻𝑉 𝑇 = 0,26).
5. Analys och diskussion
I vårt näst sista kapitel analyseras de resultat som presenterats i kapitel 4 utifrån den tidigare forskning vi presenterade i tidigare kapitel. Analysen kopplar samman teori och resultat delen, vilket följs upp med en sammanfattande analys av resultatet.
5.1 Analys av hypoteserna
Som berörts tidigare så är det grundläggande ändamålet med kundanpassning att tillföra extra värde för kunden, varav värde i form av tillfredsställelse är ett av de olika tillvägagångssätten att tillföra värde på. Resultatet av testet, de webbaserade enkäterna, den strukturella ekvationsmodellen och alla analyser har blivit att vi nu bättre förstår hur konsumenter inom hemelektronikbranschen tolkar och upplever kundanpassningsprocessen bestående av en webbaserad produktkonfigurator. Syftet med studien var trots allt att finna vilka upplevda värden som ökade kundens betalningsvilja genom att öka deras tillfredsställelse. Hypoteserna skapades baserat på att en korrelation mellan tillfredsställelse och betalningsvilja söktes.
H0:_𝝆𝑻𝑩 = 𝟎
Det existerar ingen linjär korrelation mellan tillfredsställelse och betalningsvilja, baserat på detta görs antagandet att konsumenterna inte är villiga att betala ett högre pris för varan även om kundanpassningsprocessen är tillfredsställande.
H1:_𝝆𝑻𝑩 ≠ 𝟎
Det existerar en linjär korrelation mellan tillfredsställelse och betalningsvilja, baserat på hur linjär korrelationen är görs antagandet att konsumenterna är villiga att betala ett högre pris för varan om kundanpassningsprocessen är tillfredsställande.
Frågeställningen och hypoteserna testades med ett test i form av en webbaserad produktkonfigurator (se Appendix B för mer info kring produktkonfiguratorn) och en webenkät på 31 frågor. Materialet från de 145 respondenterna analyserades i form av 28 observerbara variabler och 7 latenta konstruktioner. Resultatet var att frågorna inom kreativt prestationsvärde (KP1-4) delade en hög kovarians (0,68) med frågorna inom tillfredsställelse (T1-3), samt att frågorna om tillfredsställelse (T1-3) delade en ännu högre kovarians (0,79) med frågorna kring betalningsvilja (B1-3). För att bättre förstå vilka frågor som legat till basis för variabelgruppernas korrelationer se Tabell 8.
Tabell 8: Variabelgruppsanalys (EXCEL). Bilden visar de tre variabelgrupper som hade högst korrelation mellan varandra (KP → T → B) och därför är av mest intresse att analysera. Samtliga frågor finns i Appendix A.
Detta säger oss att de större värdena för variablerna i KP1-4 korrelerar med värdena för variablerna i T1-3 då kovariansen är starkt positiv (0,68). Vilket i stort sett betyder att 68% av de som svarade: ” Jag kände att jag var med och skapade något när jag designade detta tangentbord.” (KP2) svarar: ”Jag är tillfredsställd med beslutet att ha designat detta tangentbord från denna hemsida.” (T1). Denna korrelation är högst förståeligt och kan förklaras av att kunder tycker om att vara med i designprocessen. Vi ser även att frågorna T1-3 korrelerar med värdena för variablerna i B1-3 då kovariansen är starkt positiv (0,79). Vilket i stort sett betyder att 79% av de som svarade: ”Jag är tillfredsställd med beslutet att ha designat detta tangentbord från denna hemsida.” (T1) svarar: ”Jag är villig att betala ett högre pris för tangentbordet som jag själv designat.” (B1). Detta bekräftar
