Is toekomstig koopgedrag voor innovaties voorspelbaar?

20 december 2012, 08:03

Je kunt natuurlijk aan mensen vragen of ze een nieuw product denken te gaan kopen. Maar geven hun antwoorden een goed beeld van toekomstig koopgedrag? Dat blijkt tegen te vallen, om een veelheid van redenen.

De relatie tussen intentie en gedrag

Neem een willekeurige groep mensen. Laat deze mensen onafhankelijk van elkaar aangeven of ze bereid zijn in de toekomst een specifiek nieuw innovatief product te kopen. Op deze manier meet je hun koopintentie voor dit nieuwe product. De resultaten van dit marktonderzoek geven een indicatie van het toekomstige koopgedrag als het product eenmaal op de markt verkrijgbaar is. Niet?

Morwitz en haar collega’s (2007) namen in een studie tal van dit soort onderzoeken onder de loep. De uitkomst van hun studie was helaas niet bemoedigend: Het verband tussen aangegeven koopintentie en koopgedrag is vaak maar zwak als het gaat om een nieuw innovatief product. Dit zwakke verband geldt met name voor niet duurzame goederen (dat wil zeggen goedkopere producten die maar één of een paar keer gebruikt kunnen worden).

Wat is een mogelijke verklaring voor dit zwakke verband tussen gemeten koopintentie en uiteindelijk koopgedrag? Eén mogelijke verklaring is gebrekkige gebruikservaring met het nieuwe innovatieve product. Morwitz en haar collega’s suggereren dat bij reeds bestaande producten de potentiële koper kan terugvallen op ervaring. Deze koper kan namelijk putten uit eigen gebruikservaring met het product, maar kan ook een beroep doen op ervaringen van andere consumenten. Maar bij nieuwe producten ontbreekt juist deze productervaring, of is het moeilijk om de waarde van innovatieve productattributen in te schatten.

Voorspellen is niet zo vanzelfsprekend als wordt voorgesteld in deze cartoon van Miss Peach

Meten we wel op het juiste niveau?

Zijn er nog andere verklaringen (buiten productervaring) waarom de gemeten koopintentie mogelijk geen goede voorspeller is van koopgedrag? Een andere belangrijke factor lijkt te zijn of iemands uiteindelijke koopbeslissing wel of niet onder eigen controle staat (Fishbein & Ajzen, 2010). Iemand kan wel aangeven een bepaalde auto te willen kopen, maar vaak spelen de gezinsleden ook een rol in het uiteindelijke beslisproces. Maar niet alleen het gezin, ook de vriendenkring, en uiteindelijk ook de maatschappij kunnen ieder hun invloed uitoefenen op het beslisproces. Neem als voorbeeld ouders die ‘shoppen’ voor een babynaam. De uiteindelijke keuze voor een naam lijkt daarbij mede bepaald te worden door het modebeeld gecreëerd door de sociale omgeving (Hahn & Bentley, 2003).

Als de sociale omgeving inderdaad een belangrijke rol speelt, richten we dan niet te veel onze aandacht op het individu tijdens het meten van koopintenties? Zo wordt de koopintentie voor een innovatief product bij ieder individu onafhankelijk gepeild. Dit betekent dat individuen hun koopintentie bepalen zonder dat ze rekening hoeven te houden met de uiteindelijke krachten uit de sociale omgeving. Indien de sociale omgeving daadwerkelijk van invloed is op het koopgedrag, waarom wordt deze omgeving dan buiten spel gezet tijdens het meten van koopintenties?

Het onvoorspelbare sociale netwerk

Nu zullen sommige lezers denken: “Natuurlijk is de sociale omgeving belangrijk”. En: “De persoon zal heus wel in bepaalde mate rekening houden met de sociale omgeving bij het inschatten van toekomstig koopgedrag.”

Maar dan is de volgende vraag: is een persoon wel in staat om toekomstige sociale krachten in te schatten? Stel dat het merendeel van de sociale kring van deze persoon in de toekomst het nieuwe innovatieve product aanschaft. Laten we daarbij aannemen dat als gevolg van deze meerderheid de sociale invloed op onze persoon dusdanig groot is dat deze het product ook zal kopen (Watts & Dodds, 2007). Maar is het überhaupt wel mogelijk om te voorspellen hoe de sociale omgeving zich gaat ontwikkelen, en hoe het sociale krachtenspel in de toekomst gaat uitzien?

Een experiment van Salganik en zijn collega’s (2006) kan ons wellicht helpen bij het beantwoorden van deze laatste vraag. Deze onderzoekers bestudeerden het downloadgedrag van een groep jongeren op een ‘muziekmarkt’. Deze muziekmarkt bestond uit 48 onbekende songs (dus vergelijkbaar met menig innovatief product) van onbekende artiesten. Voordat deze jongeren echter songs konden gaan downloaden werden ze opgesplitst in twee groepen.

Jongeren in de eerste groep beluisterden ieder apart de songs. Vervolgens kozen de jongeren onafhankelijk van elkaar of ze een song wilden downloaden. Op basis van het aantal downloads werd een rangorde van de songs opgesteld.

In de tweede groep konden de jongeren ook de songs beluisteren, maar speelde sociale invloed een rol bij het uiteindelijke downloaden. Deze jongeren kregen bij hun downloadkeuze namelijk een lijst te zien met hoe vaak elke song was gedownload door voorgangers uit hun eigen groep.

De resultaten van dit experiment brachten iets interessants aan het licht. In de tweede groep (met sociale invloed) was de uiteindelijke populariteit van songs namelijk moeilijk te voorspellen. De verkregen downloadrangorde van de songs uit de eerste groep leek daarbij niet altijd een goede leidraad te zijn. “Over het algemeen doen de ‘beste’ songs het nooit extreem slecht, en de ‘slechtste’ songs het nooit extreem goed, maar bijna elk ander resultaat is mogelijk” aldus de onderzoekers. Met andere woorden, een song die in de eerste groep (zonder sociale invloed) plaats 12 haalde in de rangorde, kon in de tweede groep (met sociale invloed) net zo goed terecht komen op plaats 1 (top) als plaats 30 (middenmoot). Sociale invloed lijkt dus mede bepalend voor succes, maar hoe dat succes uiteindelijk gaat uitzien lijkt moeilijk te voorspellen.

Is deze onvoorspelbaarheid verklaarbaar?

In hun boek Connected (2011) geven Christakis en Fowler een verklaring voor de resultaten van het ‘muziekmarkt’-experiment hierboven. Voor de groep met sociale invloed geldt volgens deze auteurs het volgende: “[…] de beoordeling van de eerste persoon beïnvloedt het gehele traject van bepaalde songs zodat deze lange tijd een hoge positie in de lijst hebben. Met andere woorden, muzieksmaak is besmettelijk. Een kleine afwijking in een reeks van sociale interacties kan een succes maken van een gemiddelde song of artiest”. Dus een toevallige gebeurtenis uit het verleden kan in een sociale omgeving significante gevolgen hebben. Door sociale imitatie (besmetting) kan zo’n gebeurtenis zich gaan verspreiden in een sociaal netwerk en zorgen dat zelfs de middelmaat de top haalt.

Nu zijn er limitaties verbonden aan het onderzoek van Salganik en zijn collega’s. Eén limitatie is bijvoorbeeld dat zij keken naar een markt met alleen nieuwkomers. Zo’n markt is niet representatief voor alle markten die we tegenkomen in de werkelijkheid. Nieuwe producten worden namelijk menigmaal geïntroduceerd op een markt met reeds bestaande producten. De bestaande producten op zo’n markt hebben simpelweg een voordeel omdat ze al langer aanwezig zijn (Barabási, 2003). Op een muziekmarkt betekent dit dat gevestigde bands al veel downloads in het verleden hebben kunnen realiseren, en daarom al min of meer een bepaalde populariteit hebben opgebouwd. Deze reeds opgebouwde populariteit kan nieuwe innovatieve bands in de weg staan bij het betreden van de markt.

Mogelijk kunnen gevestigde producten van mindere kwaliteit dus een tijd lang zelfs innovatieve nieuwkomers van betere kwaliteit onderdrukken. Maar gelukkig biedt het sociale imitatieproces ook innovatieve nieuwkomers van betere kwaliteit een kans, waardoor deze innovaties op langere termijn gevestigde producten van hun troon kunnen stoten (Barabási, 2003). Maar het imitatieproces leert ons ook dat we moeilijk kunnen inschatten wie van deze nieuwkomers de positie van de gevestigde producten mogelijk gaat innemen. Door dit imitatieproces lijken we te maken hebben met een zekere mate van onvoorspelbaarheid op markten.

Is koopgedrag voor innovaties wel te voorspellen?

Het experiment met de muziekmarkt toont ons dus dat de sociale omgeving niet alleen van invloed is op koopgedrag, maar dat deze sociale omgeving toekomstig koopgedrag ook onvoorspelbaar kan maken. Met dit in ons achterhoofd keren we terug naar de persoon die wordt gevraagd de koopintentie in te schatten: Hoe kan deze persoon nu redelijkerwijs een goede inschatting geven van de toekomstige koopbeslissing bij een nieuw innovatief product?

Het is aannemelijk dat de individuele koopintentie allereerst gebaseerd wordt op producteigenschappen (zoals kwaliteit of prijs). Maar daarbij ziet een individu een belangrijke factor over het hoofd, namelijk de mate waarin de sociale omgeving het toekomstig koopgedrag gaat beïnvloeden. Voor een betere inschatting van de koopintentie zal een ‘individuele beslisser’ zich wellicht daarom meer moeten inleven in de rol van ‘sociale beslisser’.

Een probleem is echter dat de markt zich op een onvoorspelbare wijze kan ontwikkelen bij nieuwe innovatieve producten, mede vanwege het sociale imitatieproces. Dus zelfs in de rol van ‘sociale beslisser’ tast een potentiële koper helaas menigmaal in het duister of deze het product daadwerkelijk gaat aanschaffen. Toekomstig koopgedrag voor nieuwe innovaties lijkt dus moeilijk te voorspellen…

Gebruikte literatuur

  • Barabási, A.L. (2003). Linked. New York: Plume.

  • Christakis, N., & Fowler, J. (2011). Connected. London: Harper Press.

  • Fishbein, M., & Ajzen, I. (2010). Predicting and changing behavior: The reasoned action approach. New York: Psychology press.

  • Hahn, M.W., & Bentley, R.A. (2003). Drift as a mechanism for cultural change: An example from baby names. Proceedings of the royal society B, 270, 120-123.

  • Morwitz, V.G., Steckel, J., & Gupta, A. (2007). When do purchase intentions predict sales? International journal of forecasting, 23, 347-364.

  • Salganik, M.J., Dodds, P.S., & Watts, D.J. (2006). Experimental study of inequality and unpredictability in an artifical cultural market. Science, 311, 854-856.

  • Watts, D.J., & Dodds, P.S. (2007). Influentuals, networks, and public opinion formation. Journal of consumer research, 34, 441-458.

Afbeelding: Fabio Venni (cc)

Stefan Gelissen
Data-analist bij Datall

Stefan Gelissen is data-analist en analyse-ontwikkelaar bij Datall. Hij heeft uitgebreide kennis over menselijke beslisprocessen en consumentengedrag. Daarnaast heeft hij onderzoekservaring opgedaan aan de Technische Universiteit Eindhoven en in de Verenigde Staten (Michigan State University).

Categorie
Tags

1 Reactie

    Hans

    hoi ,

    ik ben hans das , en ik typ hier iets want ik ben dom.

    Ik hou van in de kont zitten bij varkens . Dit vind ik super leuk om te doen yeaah.

    Nou doei doei hoor

    x hans


    23 oktober 2013 om 09:18

Marketingfacts. Elke dag vers. Mis niks!