Apport des ACA à la productivité des e
publicité
Anna peut-elle m’aider ? Apport des ACA à la productivité des e-consommateurs: les effets modérateurs des caractéristiques individuelles1 Mohammed Slim BEN MIMOUN, Chercheur Post Doctorant SKEMA-Univ Lille Nord de France [email protected] Ingrid PONCIN, Professor of Marketing SKEMA-Univ Lille Nord de France [email protected] 1 Cette recherche a bénéficié d’un financement de la Région Nord-Pas-de-Calais et du FEDER dans le cadre du projet VVU Anna peut-elle m’aider ? Apport des ACA à la productivité des e-consommateurs: les effets modérateurs des caractéristiques individuelles Résumé : Depuis les premiers travaux de Cassell & al. (2000), la littérature rapporte plusieurs études sur l’impact des ACA dans le cadre du commerce en ligne. L’objectif de cette recherche est de montrer comment l’utilisation effective, l’interaction avec un Agent Conversationnel Animé (ACA) sur un site internet commercial permet d’impacter la productivité perçue par l’internaute-client et ses conséquences en termes d’intention d’achat ou de satisfaction vis-àvis du site internet. Grâce à une quasi-expérimentation réalisée en ligne sur l’agent Anna d’Ikea, nos résultats mettent en lumière l’intérêt du concept de productivité du consommateur pour expliquer la satisfaction et l’intention d’achat. En outre, les analyses montrent que l’impact de l’utilisation d’un ACA en termes de productivité de l’e-consommateur est fortement dépendant des caractéristiques individuelles. Mots-clés : agent virtuel, ACA, productivité, consommateur Can Anna help me? Contribution of the ACA in the e-consumers productivity: The moderating effects of the individual characteristics Abstract: Since the seminal work of Cassell & al. (2000), the literature is abundant on the impact of the ACA in online business. The objective of this research is to show how the effective use, the interaction with an Agent (ACA) on a commercial web site impacts on the productivity perceived by the Internet user-customer and its consequences in terms of intention of purchase or satisfaction towards the web site. Building on an online quasi-experiment using the virtual agent Anna of Ikea, our results show the potential of the concept of “consumer productivity” to explain consumers’ satisfaction and purchase intention. Besides, analyses show that the impact of the use of an ACA on e-consumer productivity is strongly dependent on individual characteristics. Key-words: virtual agent, ACA, productivity, consumer 1 Anna peut-elle m’aider ? Apport des ACA à la productivité des e-consommateurs: les effets modérateurs des caractéristiques individuelles Introduction Face à un client de plus en plus exigeant, les entreprises cherchent à maximiser les bénéfices perçus par le client lors de chaque interaction. Dans le commerce traditionnel, le vendeur joue un rôle important dans la création et le renforcement de la relation entre l’entreprise et ses clients. Selon Reynolds et Betty (1999), construire une relation sociale entre le vendeur et les consommateurs augmente la satisfaction, la fidélité, le bouche-à-oreille positif et le plus important les achats. Les bénéfices de l’interaction avec le vendeur sont à la fois fonctionnels et sociaux pour le client. Dans les bénéfices fonctionnels, on retrouve la possibilité de gagner du temps, la facilité d’achat, les conseils et de meilleures décisions d’achat alors que les bénéfices sociaux recouvrent par exemple plutôt le plaisir d’interagir avec une personne de l’entreprise ou encore le fait de se sentir important pour l’entreprise. Au contraire, bien que permettant un contact direct avec le distributeur, le commerce en ligne est généralement considéré par les consommateurs comme froid, distant et impersonnel. En 2005, Hostler, Yoon et Guimaraes annonçaient que l’utilisation de la technologie des agents intelligents pourrait avoir un effet non négligeable, si ce n’est révolutionnaire, sur le e-commerce. Ainsi, Holzwarth & al. (2006) ont souligné que l’utilisation d’avatars ou d’agents virtuels pour informer les consommateurs sur les produits en ligne pouvait être une solution pour réduire la nature impersonnelle inhérente à l’achat en ligne. La littérature académique s’est attachée à montrer que la présence sur un site d’un agent animé avait un impact positif notamment en terme de lien, de confiance, ou de satisfaction (Wood, Solomon et Englis 2005; Keeling et McGoldrick 2008). Cependant, au-delà de la simple présence de cet agent, c’est véritablement l’interaction avec celui qui est susceptible d’influer sur les bénéfices perçus par l’internaute. 2 L’objectif de cette recherche est de montrer comment l’utilisation effective, l’interaction avec un agent virtuel sur un site internet commercial permet d’impacter la productivité perçue par l’internaute-client et ses conséquences en termes d’intention d’achat ou de satisfaction vis-àvis du site internet. En ce sens, tout en reprenant certains concepts liés au TAM (eg. l’utilité perçue), nous nous démarquons des recherches utilisant le TAM2 qui sont liées non pas à l’utilisation de l’agent mais plutôt à l’acceptation de celui-ci. Cette productivité est appréhendée en tenant compte de la dualité inputs-outputs. Nous introduisons également l’importance des variables individuelles pour modérer cette relation. En effet, la perception de l’importance des différents outputs (utilitaires, sociaux, ludiques) ou des inputs (temps et efforts) pourrait varier en fonction des caractéristiques individuelles de l’internaute que cela soit au niveau des compétences en tant qu’internaute ou de ses caractéristiques en tant que consommateur. Plus spécifiquement, après une revue de la littérature sur les agents virtuels en marketing, nous expliciterons la notion de productivité de l’internaute. Nous nous attarderons ainsi sur les différents inputs et outputs liés à l’interaction avec l’agent. 1. Revue de la littérature La littérature marketing sur les agents virtuels s’est beaucoup développée ces dernières années. De nombreux termes sont ainsi apparus : agent virtuel, agent intelligent, agent conversationnel, agent de recommandation, agent d’interface, agent conversationnel incarné, avatar… Ils sont souvent perçus comme désignant un même concept mais désignent en réalité des éléments voisins mais différents (Gauzente et Guilloux, 2003 ; McGoldrick & al. 2008 ; Chang 2009). En annexe 1, nous proposons des définitions pour clarifier les différents concepts. Cette recherche porte plus spécifiquement sur les agents conversationnels incarnés 2 TAM Technology Acceptance Model – Davis (1989) 3 (ACA), définis par Diesbach et Galan (2006), au départ des travaux de Cassell & al. (2000), comme « un personnage graphique conçu sur ordinateur qui possède la capacité de dialoguer en face-à-face avec un utilisateur, en utilisant non seulement le discours mais d’autres modalités non verbales (de communication) telles que le geste, le regard, l’intonation et la posture physique »… Depuis les premiers travaux de Cassell & al. (2000), la littérature rapporte plusieurs études sur l’impact des ACA dans le cadre du commerce en ligne. Notebaert (2005) considère l’utilisation d’un agent incarné sur un site marchand comme une stratégie pouvant améliorer la confiance, l’intention de recommander le site ainsi que la satisfaction de l’Internaute. Punj et Moore (2009) précisent que cette satisfaction découle de la capacité de l’agent à faciliter la recherche d’information et à identifier le produit qui correspond aux besoins de l’utilisateur du site commercial. Lemoine et Notebaert (2009a, 2009b) présentent le recours aux agents incarnés sur les sites Web commerciaux comme un moyen d’attirer de nouveaux clients en favorisant un bouche à oreille positif, aussi bien envers le site que l’enseigne elle-même. Ils précisent, en outre, que les agents virtuels incarnés agissent positivement sur la confiance des internautes. Ainsi ces agents se présentent comme « des outils marketing au service de la gestion de la relation client permettant la création d’un lien social étroit entre l’internaute et l’entreprise en ligne » (Lemoine et Notebaert 2009a). Finalement, Holzwarth & al. (2006) font un parallèle entre l’effet de présence de vendeurs en magasin et la présence d’agents commerciaux sur des sites Web commerciaux, ils en déduisent que la présence d’agents commerciaux virtuels sur un site Web devrait conduire à augmenter la satisfaction, améliorer l’attitude envers les produits proposés par le détaillant et accroître l’intention d’achat. De la même façon, se référant à des travaux portant sur les vendeurs « humains » (Beatty & al. 1996; Baron & al. 1996), McGoldrick & al. (2008) établissent également un parallèle entre agents virtuels et humains et identifient trois rôles possibles des vendeurs virtuels en ligne: le rôle d’ami (rôle social), le rôle d’acheteur 4 personnel (agent de recommandation) et le rôle d’aide. Ainsi, McGoldrick & al. (2008) insistent sur le rôle important du vendeur dans la construction de la relation entre l’enseigne et ses clients. Cette relation n’étant pas uniquement le fruit de l’amitié et de la confiance qu’accorde le client au vendeur mais dépend surtout de la capacité du vendeur à comprendre les besoins du client, à lui fournir l’aide espérée et à aller dans son rôle au-delà de la transaction elle-même. 1.1 La productivité perçue de l’e-consommateur L'analyse classique de la productivité en économie est liée au concept de production et utilise généralement le ratio entre les outputs produits par un système (des marchandises, des services) et les inputs (le travail, le capital, les équipements…) utilisés dans la production de ces outputs (Xue et Harker, 2002). En d’autres termes, elle s’appréhende en termes d’inputs et outputs perçus pour l’internaute. La notion de productivité perçue apparaît, dès lors, comme un outil intéressant pour comprendre l’apport de l’interaction avec l’agent. Ingene (1984), l’un des premiers à présenter la productivité du point de vue du consommateur, a considéré que, comme pour le cas de la productivité industrielle, la « productivité de magasinage » peut être mesurée par le ratio des outputs divisés par les inputs. Les outputs au niveau du magasinage sont les produits achetés, les informations acquises et le plaisir obtenu. Les inputs sont le temps, l'argent et l'effort (Ingene, 1984). Critiquant en même temps l'approche industrielle de la productivité et le travail de Xue et Harker (2002) sur l'efficience du client, Anitsal et Schumann (2007) ont développé le concept « productivité du consommateur » qui permet d’associer les approches industrielle et service de la productivité. Ils indiquent que l’approche industrielle est plus liée au concept « d'efficience» et se concentre sur « l’input » du système de production alors que l’approche service est plus concentrée sur « l'efficacité » et « l’output » du système de servuction. Ces auteurs considèrent que durant un épisode de 5 shopping les clients font généralement attention à leur productivité individuelle et sont conscients de la manière dont ils économisent ou dépensent leurs inputs (temps, efforts et argent) (Anitsal et Schumann, 2007). En dehors de l’aspect monétaire, le temps et l’effort représentent la majeure partie de l’input du consommateur. Selon Xiao et Benbasat (2007), dans le contexte d’une activité de magasinage en ligne, l'effort du consommateur se réfère à l'effort fournit par le consommateur pour le traitement des informations, l'évaluation des alternatives et la navigation sur le site. Il s’agit du niveau d’énergie que le consommateur dépense durant sa navigation sur le site (Anitsal et Schumann, 2007). Le temps fait référence au temps que le consommateur passe sur le site pour parvenir à faire un choix et réaliser son achat (Xiao et Benbasat, 2007). Les outputs au niveau du magasinage peuvent prendre trois formes distinctes : utilitaires, ludiques ou sociales (Tauber, 1972 ; Babin & al. 1994 ; Campbell, 1997 ; Bloch & al. 1994). Nous discutons dans ce qui suit les effets probables de l’utilisation des ACA sur l’ensemble des éléments de la productivité du consommateur en commençant tout d’abord par les aspects purement utilitaires liés à la réduction de l’input (effort et temps) et à l’augmentation de l’efficacité et à l’amélioration de la qualité de la décision. 1.1.1 Les ACA entre réduction des inputs et optimisation de la décision Une partie de la littérature sur les agents intelligents insiste sur la capacité des agents intelligents à réduire les inputs des consommateurs lors d’un achat en ligne et à améliorer la qualité de la décision (Punj et Moore 2009). Ainsi, Chang (2009) considère que l'utilisation d’un agent intelligent pour la recherche d'information sur un site Web commercial réduit le temps de recherche et permet au consommateur de prendre des décisions plus rapides. Hostler & al. (2005) ajoutent que l'utilisation d'un agent intelligent permet au consommateur de réduire son effort cognitif et d’améliorer la qualité de sa décision. Pour Xiao et Benbasat 6 (2007), l’utilisation des ACA lors d’achat sur le Web permet de réduire aussi bien le temps que l’effort lié à cette activité mais améliore également la qualité de la décision grâce à une analyse plus approfondie d’un nombre plus réduit d’alternatives. Toutefois, la littérature est partagée quant à la capacité des agents intelligents à réduire les inputs des e-consommateurs et à améliorer la qualité de la décision. Certains auteurs considèrent en effet que l’utilisation d’un agent intelligent, et notamment les ACA, sur un site Web commercial conduit à une augmentation du temps de navigation, à plus d’effort (plus de pages visitées) et à une perte de concentration par rapport à l’objectif principal (Dehn et Vanmulken, 2000 ; Olson et Widing, 2002 ; Lemoine et Notebaert 2009a). Finalement, il est important de souligner que même si on admet que l’utilisation de l’agent puisse conduire à une augmentation du temps de navigation ou du nombre de page visitées ceci ne peut être considéré comme un élément négatif synonyme d’une diminution de la productivité du consommateur que sous un angle purement utilitaire. En effet, cette navigation supplémentaire peut être associée à une amélioration des outputs ludiques et sociaux. 1.1.2. L’apport social des ACA Comme déjà souligné, les contacts interpersonnels, les conseils, le service font partie des attentes des consommateurs sur un lieu de vente. Dans les points de vente classiques, elles sont le plus souvent gérées par le personnel. En 2002, les travaux de Burke mettaient en évidence que ces attentes étaient les mêmes sur un site web et que l’internaute était sensible à l’ensemble des variables qui opérationnalisent ce lien social. Cet aspect de relation sociale fait donc partie intégrante de la productivité du site internet. Holzwarth & al., 2006, p.20 estiment que les ACA sont des éléments importants de ce processus. « Ils influencent le processus d’une manière similaire à un agent vendeur humain ». Pour opérationnaliser ce processus, nous nous concentrerons sur la notion de présence sociale qui réfère, selon Lombard et Ditton (1997) à l’impression « d’être avec les autres », « l’impression de contact humain, de 7 sociabilité, de chaleur » de partager une interaction avec d’autres entités, de communiquer avec eux (Bickmore 2002; Hess, Fuller et Campbell 2009) à travers un médium, par exemple internet. Lombard et Ditton (1997) parlent pour cette présence sociale, de « quasi » relations para-sociales. De nombreux travaux se sont intéressés à l’impact de la présence sociale sur l’efficacité du site internet que cela soit en termes attractivité, rétention et persuasion (Cassell & al. 2000; Jeandrain et Diesbach 2008), ou en termes d’attitude, intention d’achat ou satisfaction (Holzwarth & al. 2006). La littérature s’est ainsi attachée à montrer que l’utilisation sur un site d’un agent animé fournissait une source de présence sociale et augmentait la confiance des clients (Wood, Solomon et Englis 2005; Keeling et McGoldrick 2008). Wang & al. 2007 ont aussi mis en lumière un lien entre présence d’indices sociaux sur un site web et perception des aspects ludiques et agréables de celui-ci. Cela nous amène à considérer ce dernier aspect de la productivité. 1.1.3 L’aspect ludique des ACA Ahn & al. (2007) parlent de « playfulness », aspect ludique, comme d’une expérience cognitive courte ressentie par un individu lors de l’utilisation d’un site web. Selon eux, audelà de l’attitude positive qu’il génère, l’aspect ludique est important car les consommateurs obtiennent du plaisir autant par l’utilisation du système, la navigation sur le site internet, que par l’achat du produit recherché. Moon et Kim (2001) ont observé que les individus qui percevaient plus positivement l’aspect ludique d’un site web percevaient leurs interactions avec ce site plus positivement. Lin et al. (2005) ont montré que l’aspect ludique contribuait à la satisfaction et à l’intention de réutiliser le site web. Dans le cadre plus spécifique de l’utilisation des agents, certains auteurs ont souligné l’impact positif sur la perception de l’aspect ludique de l’expérience de navigation (Wang & al., 2007 ; Diesbach et Midgley, 2007) 8 1.2 Importance des caractéristiques individuelles Finalement, les chercheurs mettent souvent l’accent sur les caractéristiques individuelles comme facteurs affectant le comportement de shopping des individus. En outre, les variables individuelles semblent également avoir un impact considérable sur l’expérience vécue par l’internaute (Novak, Hoffman et Yung 2000) sur un site web et la perception de la productivité de celle-ci. Dans le cadre spécifique de l’utilisation d’agents virtuels sur les sites Web commerciaux, les caractéristiques individuelles semblent principalement modérer les effets de l’agent et les réactions des consommateurs face à ce dernier (McGoldrick & al. 2008 ; Dehn et vanMulken 2000 ; Huang & al. 2006 ; Diesbach & al. 2007) Ainsi, le niveau d’expérience ou de compétence dans l’utilisation d’Internet semble une des caractéristiques individuelles les plus souvent citées dans la littérature. Cependant, l’effet de celle-ci est assez controversé. En ce sens, McGoldrick & al. (2008) pensent que les individus les plus expérimentés vont sous-estimer l’apport de l’agent lors du magasinage en ligne. A l’opposé, Nowak et Rauh (2008) considèrent que l’augmentation du niveau d’expérience améliore la satisfaction des utilisateurs des ACA. Alors que Qiu et Benbasat (2009) observent que l’expérience favorise la perception de la présence sociale. L’implication dans la catégorie de produit représente une autre caractéristique individuelle susceptible de modérer l’effet de l’utilisation de l’agent. Alors que Spiekermann & al. (2001) la présentent plutôt comme un déterminant de l’utilisation de l’agent, Holzwarth & al. (2006) sont beaucoup plus explicites par rapport à son pouvoir modérateur sur l’effet de l’agent. Certains traits psychologiques des consommateurs pourraient aussi modérer la réaction face à l’agent. En se référant à la littérature sur l’interaction client/vendeur, tant « l’orientation tâche » que le « le besoin d’interaction » se présentent comme des modérateurs potentiels des effets de l’agent. L'orientation de tâche se réfère à la tendance d'un client à se concentrer sur la tâche d'achat et à être fortement orienté vers l’accomplissement de cette tâche le plus 9 efficacement possible (Homburg & al. 2010). Ainsi, comme pour le cas des vendeurs réels (McFarland & al. 2006), les consommateurs ayant une forte orientation tâche apprécient mieux l’aide apportée par l’agent que ceux ayant une faible orientation tâche, mais à condition que cette aide leur permettent d’améliorer leur efficacité. Construisant sur les travaux de Dabholkar et Bagozzi (2002), le « besoin d'interaction » lors d’un épisode d’achat peut se définir comme l'importance accordée par le consommateur à l'interaction humaine. Ainsi, les consommateurs possédant un niveau élevé de besoin d'interaction, estimeraient mieux l’interaction avec un agent vendeur que ceux avec un faible besoin d'interaction. Questions de recherche Cette revue de la littérature, nous a permis d’établir trois questions de recherche principales. 1. Comment les caractéristiques individuelles (compétence dans l’utilisation d’internet, implication dans la catégorie de produit, orientation tâche et besoin d’interaction) modèrent-elles l’effet de l’utilisation de l’agent sur la productivité perçue du consommateur ? 2. Quel est l’effet de la productivité du consommateur (différents inputs et outputs) sur la satisfaction suite à un épisode de magasinage en ligne? 3. Quel est l’effet de la productivité du consommateur (différents inputs et outputs) sur l’intention d’achat sur un site commercial ? 2. Méthodologie Une quasi-expérimentation en ligne a été conduite pour répondre à nos questions de recherche. Plus de 6000 individus ont été sollicités par mail (via deux groupes sur Facebook) pour participer à notre quasi-expérimentation, 118 individus y ont effectivement participé et complété la totalité du questionnaire. Pour participer à la quasi-expérimentation, les participants ont dû effectuer une tâche (choisir un canapé à trois places et la table basse qui va 10 avec) sur le site www.ikea.fr puis ils ont répondu à un questionnaire en ligne. Ainsi, l’ensemble des participants ont été en présence de l’ACA : Anna de IKEA (en plus au niveau des consignes expérimentales nous avons signalé la présence de Anna pour l’ensemble des participants) mais seulement 46% des participants ont utilisé l’agent (54% n’ont pas utilisé l’agent). Outre l’utilisation de l’agent (facteur à deux modalités : utilisation de l’agent vs nonutilisation de l’agent), l’ensemble de nos variables ont été mesurées grâce à des échelles de Likert de 5 points. Les échelles de mesure utilisées proviennent de la littérature académique et ont été précédemment validées. 2.1. Mesures des caractéristiques individuelles Quatre caractéristiques individuelles ont été mesurées: « le niveau de compétence dans l’utilisation d’Internet », « l’implication dans la catégorie de produit », « l’orientation tâche » et « le besoin d’interaction ». Une analyse factorielle exploratoire a été réalisée sur l’ensemble des échelles de mesure de ces variables et ont permis d’aboutir aux résultats suivants : Variables Echelles initiales Résultats de l’AFE Implication par rapport à la Echelle de Ratchford (1987) ; Unidimensionnelle catégorie de produit unidimensionnelle (3 items) (2 items) ; 73% de variance expliquée, Alpha = 0.73 Le niveau de compétence Echelle de Novak et al. ? ; Unidimensionnelle dans l’utilisation d’Internet unidimensionnelle ( 6 items) (6 items) ; 57% de variance expliquée, Alpha =0,83 L’orientation tâche Echelle de Homburg et al. Unidimensionnelle (2010) ; (4 items) (4 unidimensionnelle items) ; 52% de variance expliquée, Alpha =0.69 11 Le besoin d’interaction Echelle de Dabholka Bagozzi et Unidimensionnelle (4 (2002) ; items) ;60 % de variance unidimensionnelle (4 items) expliquée, Alpha =0.77 Tableau 1 : mesure des caractéristiques individuelles 2.2. Mesures de la productivité perçue Construisant sur base de la littérature, nous avons mesuré la productivité perçue grâce à une mesure des inputs et des outputs liées au processus de navigation. Concernant l’input, nous avons utilisé une mesure du coût global lié à la navigation sur le site adaptée par Baier et Stuber (2010) au départ de l’échelle de Venkatesh et Davis (2000). Cette échelle de mesure a l’avantage de tenir compte aussi bien du temps perçu que de l’effort perçu. L’analyse factorielle exploratoire nous a permis de confirmer l'unidimensionnalité de l'échelle avec 64% de variance expliquée et un alpha de 0.72. Concernant les outputs, nous avons mesuré trois types d’outputs mis en évidence dans notre revue de la littérature : utilitaires (utilité perçue et qualité globale), ludiques (aspect ludique/playfulness) et sociaux (présence sociale). Une analyse factorielle exploratoire permet d’aboutir aux résultats suivants : Variables Echelles initiales Utilité perçue Echelle de Ahn et al. (2007), Unidimensionnelle (4 items) 65% unidimensionnelle (8 items) Résultats de l’AFE de variance expliquée, Alpha = 0,82 Qualité de la Echelle de Aksoy et al. (2006) Unidimensionnelle (3 items) 65% décision ; unidimensionnelle (3 items) Aspect ludique Echelle de Novak et al. ( 2000) Unidimensionnelle (4 items) 58% (playfulness) ; unidimensionnelle (7 items) de variance expliquée, Alpha =0.71 de variance expliquée, Alpha =0.72 12 Présence sociale Echelle de Qiu and Benbasat Unidimensionnelle ( 5 items) 70% (2009) ; unidimensionnelle (5 de variance expliquée, Alpha =0.89 items) Tableau 2 : mesure des outputs 2.3. Mesures de la satisfaction et de l’intention d’achat L’intention d’achat a été mesurée à l’aide d l’échelle de Wang & al (2007) composée de 3 items. L’analyse factorielle exploratoire nous a permis de vérifié l'unidimensionnalité de l'échelle avec 91% de variance expliquée et un alpha de 0,90. Construisant sur base des travaux de David, nous avons utilisé l’échelle composée de 3 items pour la satisfaction. Nous en avons vérifié l'unidimensionnalité avec 84% de variance expliquée et un alpha de 0,90. 3. Résultats et discussion Pour répondre à nos questions de recherche, deux méthodes d'analyse de données ont été utilisées : l’ANCOVA pour la première question de recherche alors que les équations structurelles (sous Smart-PLS) ont permis d’étudier les deux autres questions de recherche. 3.1 Résultats de l’ANCOVA La première question de recherche était relative à l’effet modérateur des différentes caractéristiques individuelles. L’utilisation de l’agent a été introduit comme facteur et les différentes caractéristiques individuelles (compétence dans l’utilisation d’Internet, l’implication par rapport à la catégorie de produit, l’orientation tâche et le besoin d’interaction) comme co-variables. Le tableau 3 présente les principaux résultats sur base du Modèle Linéaire Général Univarié et l’ANCOVA relatif aux effets modérateurs. 13 Effets d’interaction Variables dépendantes Inputs Utilisation de l’ACA × compétence Utilisation Utilité Qualité F= 7,862 F=3.737 F=4.261 p=0.001 p=0.009 p=0.017 Présence Aspect sociale ludique NS F=3.289 p=0.041 de l’ACA × NS NS NS NS NS de l’ACA × NS NS NS NS F=3.545 Implication Utilisation orientation tâche p=0.033 Utilisation de l’ACA × besoin d’interaction NS F=6.414 F=2.963 F=5.961 F=2.944 p=0.027 p=0.056 p=0.004 p=0.057 Tableau 3. Les résultats de l’ANCOVA Les résultats montrent que les effets de l’utilisation de l’agent sont dépendants des caractéristiques individuelles. Ils indiquent également que l’implication par rapport à la catégorie du produit est la seule caractéristique individuelle parmi les quatre que nous avons testées qui n’a pas d’effet modérateur. Au contraire, l’orientation tâche modère l’effet de l’agent sur l’aspect ludique; le niveau de compétence modère l’effet de l’agent sur les inputs perçus (les coûts), l’utilité perçue, la qualité de la décision et l’aspect ludique (pas de modération pour la présence sociale). Finalement, le besoin d’interaction modère l’effet de l’agent sur l’ensemble des outputs (l’utilité perçue, la qualité de la décision et l’aspect ludique et la présence sociale) mais n’a pas d’effet concernant les inputs. Afin de visualiser le sens des modérations, une transformation de variable selon différents niveaux (faible, moyen ou élevé) a été réalisée pour chaque caractéristique. Cette 14 transformation permet d’aboutir à des résultats semblables à ceux de l’ANCOVA et permet de visualiser l’effet modérateur de chacune des caractéristiques selon les différents niveaux. Figure 1 : Modération de l’effet de l’agent sur le coût et la présence sociale La figure 1 montre que l’effet de l’agent sur les inputs ou le coût global dépend fortement de la compétence par rapport à Internet. Ainsi, l’utilisation de l’agent ne permet une réduction des inputs (effort et temps) que lorsque la compétence de l’utilisateur est élevée. Ce résultat corrobore ceux de McGoldrick & al. (2008), de Nowak et Rauh (2008) et Qiu et Benbasat (2009) qui considèrent que les utilisateurs avec une forte expérience d’Internet apprécient mieux les effets des ACA. La figure 1, en ce qui concerne la présence sociale, indique que pour les personnes avec un fort besoin d’interaction, l’utilisation de l’agent augmente fortement la présence sociale alors que pour les personnes avec un faible besoin d’interaction l’effet est opposé. Ce résultat peut être expliqué par le fait que les personnes qui ont un fort besoin d’interaction apprécient davantage l’interaction humaine (Dabholkar et Bagozzi, 2002) et assimilent dans ce cas l’interaction avec l’agent à une présence humaine. 15 Figure 2 : Modération de l’effet de l’agent sur la qualité de la décision La figure 2 indique que la compétence par rapport à internet et le besoin d’interaction ont des effets modérateurs opposés concernant l’impact de l’utilisation de l’agent sur la qualité de la décision. Ainsi, pour les personnes avec un fort besoin d’interaction, l’utilisation de l’agent entraîne une augmentation de la qualité de décision, à l’opposé, c’est uniquement pour les personnes avec une faible compétence que l’utilisation de l’agent entraîne une amélioration de la qualité de la décision. En ce sens, ces résultats peuvent s’expliquer par le fait que ce sont les personnes les moins compétentes qui ont plus besoin de l’aide de l’agent. Figure 3 : Modération de l’effet de l’agent sur l’utilité 16 Cette explication est en accord avec les travaux de Xiao et Benbasat (2007) considérant que les personnes les plus compétentes ont moins besoin de l’apport de l’agent que celles avec une faible compétence. De plus, la figure 3 (cadrant droit) montre que l’utilisation de l’agent n’entraîne une amélioration de l’utilité perçue uniquement pour les personnes qui ont une faible compétence dans l’utilisation d’Internet. Elle indique également que l’effet de l’agent sur l’utilité perçue est proportionnel au besoin d’interaction. Ainsi, l’utilisation de l’agent conduit à une augmentation de l’utilité perçue si elle est associée à un fort besoin d’interaction et une baisse de celle-ci, si elle est associée à un faible besoin d’interaction. Figure 4 : Modération de l’effet de l’agent sur l’aspect ludique Finalement, la figure 4 montre que l’utilisation de l’agent n’apporte une augmentation de l’aspect ludique que pour les personnes avec une forte compétence. Les résultats montrent aussi que l’orientation tâche et le besoin d’interaction ont des effets modérateurs opposés : l’utilisation de l’agent entraine une augmentation de l’aspect ludique pour les personnes avec un fort besoin d’interaction et une diminution de l’aspect ludique pour les personnes avec une forte orientation tâche (et vice-versa). Ce résultat est en parfait accord avec les travaux sur 17 l’interaction avec les agents qui opposent les effets de l’orientation tâche au besoin d’interaction (McFarland & al. 2006 ; Homburg & al. 2010). 3.2 Résultats de PLS L’utilisation des équations structurelles sous smart PLS3 nous a permis de tester les effets de la productivité du consommateur (les différents outputs et inputs) sur la satisfaction et l’intention d’achat. Les résultats4 indiquent un effet négatif des inputs (coûts) sur la satisfaction et l’intention d’achat. Par contre, ils montrent un effet positif de l’utilité perçue, de l’aspect ludique et de la présence sociale sur la satisfaction et un impact positif de la qualité de la décision sur l’intention d’achat. Nos résultats mettent également en lumière une relation positive forte entre satisfaction sur l’intention d’achat. Ainsi, une amélioration de la productivité entraîne une amélioration de la satisfaction, qu’elle provienne d’un abaissement des inputs ou de l’amélioration d’un des éléments des outputs (utilitaire, ludique ou sociaux). En ce sens, l’effet de la productivité sur la satisfaction pourrait être comparé à celui des valeurs de shopping utilitaires et hédonistes (Aurier, Evrard et N’Goala, 1998). Conclusion Construisant au départ des travaux sur la “productivité du consommateur” (Ingene, 1984; Xue et Harker, 2002; Anitsal et Schumann, 2007), nos résultats démontrent le potentiel de ce concept à expliquer le niveau de satisfaction des consommateurs et leurs intentions d’achats suite à la visite d’un site Web commercial. La principale contribution de ce travail concerne l’effet de l’utilisation d’un Agent Conversationnel Animé (ACA) sur la productivité des econsommateurs. Ainsi, nos résultats confirment que cet impact est fortement dépendant des 3 L’utilisation de PLS se justifie par la taille réduite de l’échantillon et le risque de multicollinéarité des variables indépendantes (il est important de noté que contrairement à AMOS ou Lisrel sous PLS il n’y a pas d’indicateur généraux de la qualité du modèle) 4 Un graphique résumant ces résultats est présenté en annexes 18 caractéristiques de l’utilisateur. En ce sens, l’utilisation de l’agent conduit à plus d’efficience (réduction des inputs) uniquement pour les consommateurs experts dans l’utilisation d’Internet. Les outputs (utilitaires, sociaux et ludiques) sont également impactés par les caractéristiques individuelles. Ainsi, l’utilisation de l’agent est beaucoup mieux évaluée par les personnes avec un fort besoin d’interaction alors qu’elle conduit à une réduction de l’aspect ludique pour les personnes avec une forte orientation tâche. L’emprunt des concepts « d’orientation tâche » et de « besoin d’interaction » à la littérature sur les services (Dabholkar et Bagozzi, 2002) et sur la vente (Homburg & al. 2010) et la vérification de leur potentiel à expliquer les effets de l’utilisation des agents virtuels, représentent en même temps un autre apport théorique important du travail et un appel à une plus grande prise en compte de la littérature portant sur la vente et les vendeurs humains dans l’étude des agent virtuels commerciaux. D’un point de vue managérial, ce travail confirme l’importance de l’utilisation de l’agent dans l’amélioration des aspects utilitaires, ludiques et sociaux du site. Nos résultats mettent en lumière la nécessité de personnaliser les sites avec agent pour aboutir à une meilleure efficacité (l’agent pourrait être mis en avant ou non selon le profil de l’utilisateur). Notre travail n’est bien entendu pas exempt de limites qui constituent autant de pistes de recherche future. Ainsi, nous avons testé un seul agent, un seul site et une seule catégorie de produits, la réplication de ce travail sur d’autres sites ou d’autres produits apporteraient une plus grande validité externe à nos résultats. Il serait également important de tester comment différents profils d’individu réagissent à différents types d’agents. Bibliographie Ahn, T., Ryu S. et Han I., (2007), The impact of Web quality and playfulness on user acceptance of online retailing, Information & Management, 44, 263-275 19 Anitsal I, Schumann D.W. (2007), Toward a conceptualization of customer productivity: the costumer’s perspective on transforming customer labor into customer outcomes using technology-based self-service options, Journal of Marketing Theory and Practice; Fall; 15, 4; pg. 349-363 Aurier P., Evrard Y. et N'Goala G. (2001), La valeur du produit aux yeux du consommateur, cahier de recherche de CRGO, université Montpellier 2. Babin B.J., Darden W.R. et Griffin M. (1994), Work and /or fun measuring hedonic and utilitarian, shopping value, Journal of Consumer Research, 20, 644-655. Baier D. et Stuber E (2010), Acceptance of recommendations to buy in online retailing; Journal of Retailing and Consumer Services 17 173–180 Bloch P. H., Ridgway N.M., Dawson S.A (1994), The shopping mall as consumer habitat, Journal of Retailing, 70, 1, 23-42. Baron, S., Harris, K. et Davies, B. J. (1996), Oral Participation in Retail Service Delivery: A Comparison of the Roles of Contact Personnel and Customers, European Journal of Marketing, 30, 9, 75-90. Beatty, S., Mayer, M., Coleman, J. Reynolds, K. et Lee, J. (1996), Customer-Sales Associate Retail Relationships, Journal of Retailing,7 ,2 ,3 , 223-247. Bickmore, T. (2002) Social Dialogue is Serious Business. Proceedings of the CHI 2002 Workshop on Socially Adept Technologies, April 21, Minneapolis, MN . Chang, H.H. (2009), Task-technology fit and user acceptance of online auction. International Journal of Human Computer Studies, doi:10.1016/j.ijhcs.2009.09.010 Chang, H.H., 2008. Intelligent agent’s technology characteristics applied to online auctions’ task. Technovation 28 (9), 564–579. Campbell C. (1997), Shopping Experience, ed Falk and Campbell. 20 Cassell, J., Sullivan, J., Prevost, S. et Churchill, E. (2000), Embodied Conversational Agents, Cambridge, MA: MIT Press. Dabholkar P.A. et Bagozzi R.P. (2002), An attitudinal model of technology-based selfservice: moderating effects of consumer traits and situational factors, Journal of Academy of Marketing Science, 30, 3, 184-201. Dehn D. M. et S. Vanmulken (2000), The impact of animated interface agents: a review of empirical research Int. J. Human-Computer Studies 52, 1-22 Diesbach, P.B. et Galan, J.P. (2006), L’agent virtuel incarné dans la distribution en ligne: cadre théorique et revue de littérature, dans 6ème journée du E-marketing, Université de Nantes, p. 24, Septembre. Diesbach, B.P., Chandon, J.L. et Galan, J.P. (2007), Effets de la présence et de la congruence d’un agent virtuel incarné sur le pouvoir de rétention du site web , XXIIIème Congrès International de l’Association Française du Marketing, Aix les Bains, CDRom. Diesbach B.P. et Midgley D. (2007), Embodied Virtual Agents: An Affective and Attitudinal Approach of the Effects on Man-Machine Stickiness in a Product/Service Discovery, dans D. Harris (Ed.): Engin. Psychol. and Cog. Ergonomics, HCII 2007, LNAI 4562, pp. 42–51, Springer-Verlag Berlin Heidelberg Foner, L. (1993), What’s An Agent, Anyway? A Sociological Case Study, "Agents Memo 9301", the Agents Group, MIT Media Lab http://www.student.nada.kth.se/kurser/kth/2D1381/JuliaHeavy.pdf Gauzente C.et Guilloux V. (2003), « Marketing relationnel sur Internet : Quelle place pour les agents d'interface ? », 2ème journée de recherche sur le E-Marketing AFM-AIM, 12 septembre, Nantes 21 Hess T., Fuller M. et Campbell D. (2009), Designing Interfaces with Social presence: Using Vividness and Extraversion to create Social Recommendation Agents, Journal of the Association for Information Systems, 10, 12, 889-919 Hostler, R. E., Yoon, V. Y., et Guimaraes, T. (2005), Assessing the Impact of Internet Agent on End Users’ Performance, Decision Support Systems , 41, 1, 313-325. Holzwarth, M., Janiszewski, C. et Neumann, M. M. (2006), The Influence of Avatars on Online Consumer Shopping Behavior, Journal of Marketing, 70, 4, 19-36. Homburg C., Müller M. et Klarmann M. (2010), When does salespeople’s customer orientation lead to customer loyalty? The differential effects of relational and functional customer orientation, Journal of the Academy of Marketing Science, in press Huang, S., Lin F. et Yuan, (2006), Understanding Agent-Based On-Line Persuasion and Bargaining Strategies: An Empirical Study, International Journal of Electronic Commerce, 11,1, 85–115. Ingene, C. A. (1984). Productivity and Functional Shifting in Spatial Retailing: Private and Social Perspectives, Journal of Retailing, 60 (Fall), 15-36 Jeandrain, A. et Diesbach, B. (2008), Immersion In An Online Merchant Environment: Are Consumers Ready To Feel Their Presence In Such Environment?, Proceedings of the 37th EMAC Conference, May, Brighton. Keeling, K. et McGoldrick, P. (2008), Relationship with a Byte ? Attractions, Interaction and Intention for Avatar use a retail website, Advances in Consumer Research 35, 84-89. Lemoine J. et Notebaert J. (2009a), Agents virtuels, confiance envers les sites web et intentions comportementales des internautes, Colloque de l’AIM, Marrakech, octobre. Lemoine J. et Notebaert J. (2009b), Dimension sociale d’un site web et réactions des internautes : le cas des agents virtuels, colloque de l’ATM. 22 Lin C.S, et Wu S., Tsai, R.J. (2005), The integrating perceived playfulness into expectationconfirmation model for web portal context, Information & Management, 42, 683, 693 Lombard, M. et Ditton T. (1997). At the Heart of It All: The Concept of Presence, Journal of Computer Mediated-Communication, 3, 2. McFarland, R. G., Challagalla, G. N., et Shervani, T. A. (2006). Influence tactics for effective adaptive selling. Journal of Marketing, 70, 103–117. McGoldrick P. J., Keeling K. A. et Beatty S. F. (2008), A typology of roles for avatars in online retailing, Journal of Marketing Management, 2008, Vol. 24, No. 3-4, pp. 433-461 Moon J. , et Kim Y. (2001), Exploring the factors associated with Web site success in the context of electronic commerce, Information & Management, 38, 217-230 Notebaert J.-F. (2005), L’interface homme-machine en commerce électronique : vers une création de lien social comme outil de positionnement stratégique, Revue Française du Marketing, 5, 205, 71-90. Novak, T., Hoffman D, et Yiu-Fai Yung (2000), Measuring the Customer Experience in Online Environments: A Structural Modeling Approach, Marketing Science, 19 (Winter), 2244. Nowak, K. et Rauh, C. (2008), Choose your ‘‘buddy icon’’ carefully: The influence of avatar androgyny, anthropomorphism and credibility in online interactions, Computers in Human Behavior, 24, 1473–1493. Olson, E. L., et Widing, R. E. (2002), Are interactive decision aids better than passive decision aids? A comparison with implications for information providers on the internet, Journal of Interactive Marketing, 16, 2, 22-33. Punj G. et Moore R. (2009), Information search and consideration set formation in a web based store environment, Journal of Business Research, 62, 644-650. 23 Qiu, L. et Benbasat, I. (2009), Evaluating Anthropomorphic Product Recommendation Agents: A Social Relationship Perspective to Designing Information Systems, Journal of Management Information Systems, 25(4), 145–181. Reynolds, K. E. et Beatty, S. (1999), Customer Benefits and Company Consequences of Customer-Salesperson Relationships in Retailing, Journal of Retailing, 75, 1, 11-32. Semeraro, G., Andersen, V., Andersen, H., de Gemmis, M. et Lops, P. (2008), User profiling and virtual agents: a case study on e-commerce services, Univ Access Inf Soc, 7, pp.179–194. Spiekermann S., Strobel M. et Temme D. (2001), Drivers and Impediments of Consumer Online Information Search: Self-controlled versus Agent-based Search, Working paper, Institute of Information Systems, Humboldt University Berlin. Tauber E.M. (1972), Why Do People Shop?, Journal of Marketing, 36, 46-59. Venkatesh, V., et Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Sciences, 46(2),186-204. Wang, L., Baker, J., Wagner, J. et Wakefield, K. (2007), Can a Retail Web Site Be Social?, Journal of Marketing, 71, 143–157. Wood, N., Solomon, M. et Englis, B. (2005), Personalization of Online Avatars: Is the Messenger as Important as the Message?, International Journal of Internet Marketing and Advertising, 2(1/2), 143-61. Xue M. et Harker P. T , (2002), Customer efficiency: Concept and its impact on e-business management, Journal of Service Research : May 4, 4; 253-267 Xiao, B. et Benbasat, I. (2007), E-commerce Product Recommendation Agents: Use, Characteristics, and Impact, MIS Quarterly, 31,1, 137-209. 24 Annexe 1 Le terme « agent » désigne une personne (par exemple, un courtier immobilier) qui est autorisée à présenter des conseils ou à effectuer des tâches pour le compte d’une autre personne (Chang, 2008 ; Qiu et Benbasat, 2009). De manière similaire, sur Internet, « un agent » peut se définir comme « un programme qui est capable d'actions indépendantes dans un environnement donné pour le compte d'un utilisateur » (Foner 1993 ; Gauzente et Guilloux, 2003 ; Notebaert, 2005 ; Diesbach et Galan, 2006). Ces agents diffèrent des programmes informatiques conventionnels par le fait qu’ils peuvent agir d’une manière autonome de leurs utilisateurs c'est-à-dire que l'utilisateur n’est pas obligé d’entrer une commande ou de cliquer sur un bouton à chaque fois qu'il veut qu’une tâche soit effectuée (Dehn et VanMulken, 2000 ; Chang, 2009). Une autre caractéristique importante des agents intelligents est leur caractère incarné ou non. Ainsi, il est possible de distinguer deux grandes familles d’agents intelligents: les agents incarnés et les agents non incarnés. Faisant référence aux différents travaux de Cassell, Diesbach & al. (2007), définissent un agent virtuel incarné en le présentant comme : « un personnage anime qui a une certaine capacité à agir, réagir, parler et bouger. Son comportement peut varier dans le temps, selon les pages du site et en fonction de questions posées par l’utilisateur. C’est un personnage anime capable de suivre un but et d’adapter son comportement dans un environnement virtuel... Il se caractérise par l’étendue de ses fonctionnalités et par son apparence ». En outre, deux termes sont souvent utilisés ou confondus avec « les agents virtuels incarné » : « les agents conversationnels » ou « chatterbots » et « les avatars ». Un « avatar » est une représentation graphique en 2D ou 3D sur une plateforme électronique d’un individu réel (personne réelle) ou non, l’avatar n’est pas nécessairement animé et n’a pas nécessairement la capacité de discuter avec les utilisateurs (Holzwarth & al. 2006). Au 25 contraire un « chatterbot » possède nécessairement des capacités conversationnelles mais n’est pas nécessairement incarné. Il peut se présenter comme « le porte-parole » d’un système d'intelligence artificielle qui utilise un ensemble de règles de gestion du dialogue et de techniques permettant de traiter l’input de l'utilisateur (Semeraro & al. 2008). Finalement, « un agent conversationnel incarné » ou un ACA résulte de l’association des caractéristiques de l’avatar et des chatterbots dans le sens où c’est un agent virtuel représenté par un personnage en 2D ou 3D et possédant des capacités conversationnelles. 26 Annexe 2 : Résultats PLS 27
