Tommi Laukkanen, (2016). Consumer adoption versus rejection decisions in seemingly similar service innovations: The case of the Internet and mobile banking, Journal of Business Research 69 2432–243.

Mots clefs: Consumer resistance; Adoption; Rejection; Service; innovation; Internet; banking Mobile banking Logistic; regression

 Cette recherche de Tommy Lakkunen, a pour objectif d’étudier les résistances des consommateurs et de comment les surmonter face aux innovations. Il a choisi de mettre son étude en avant en choisissant le secteur de la banque mobile, et son interface son utilisation en ligne. L’étude est basée sur une enquête faite auprès de 1736 personnes en Finlande. Son analyse présente que certains facteurs comme le sexe et l’Age représente les principaux segments d’analyse. Les hommes seraient donc deux fois plus susceptibles que les femmes d’adopter les services bancaires mobiles.

 Développement :

Le chercheur nous propose une définition du contexte ainsi que celle de « l’innovation », avec un aspect théorique basée sur des études annexes. Son analyse est basée sur les réponses de clients de banque finlandaise, avec 1089 réponses de non-utilisateurs de services bancaires en ligne et 428 utilisateurs de services bancaires en ligne.

Il a émis 7 grandes hypothèses comportant chacune 3 variantes.

H1a: La barrière à l’utilisation est liée négativement à la décision des consommateurs d’adopter l’innovation bancaire mobile.

H1b: La barrière d’utilisation est liée négativement à l’intention du non-adoptant de la banque mobile d’utiliser l’innovation.

H1c: La barrière d’utilisation est liée négativement à l’intention du non-adoptant de services bancaires par Internet d’utiliser l’innovation.

H2a: La barrière de valeur est liée négativement à la décision des consommateurs d’adopter l’innovation de la banque mobile.

H2b: La barrière de valeur est liée négativement à l’intention du non-adoptant de la banque mobile d’utiliser l’innovation.

H2c: La barrière de valeur est liée négativement à l’intention du non-adoptant de services bancaires par Internet d’utiliser l’innovation.

H3a: La barrière de risque est liée négativement à la décision des consommateurs d’adopter l’innovation de la banque mobile.

H3b: La barrière de risque est liée négativement à l’intention du non-adoptant de banque mobile d’utiliser l’innovation.

H3c: La barrière de risque est liée négativement à l’intention du non-adoptant de services bancaires par Internet d’utiliser l’innovation.

H4a: La barrière de la tradition est liée négativement à la décision du consommateur d’adopter l’innovation bancaire mobile.

H4b: La barrière de la tradition est liée négativement à l’intention du non-adoptant de services bancaires mobiles d’utiliser l’innovation.

H4c: La barrière de la tradition est liée négativement à l’intention du non-adoptant de services bancaires par Internet d’utiliser l’innovation.

H5a: La barrière d’image est liée négativement à la décision du consommateur d’adopter l’innovation de la banque mobile.

H5b: La barrière d’image est liée négativement à l’intention du non-adoptant de la banque mobile d’utiliser l’innovation.

H5c: La barrière d’image est liée négativement à l’intention du non-adoptant de services bancaires par Internet d’utiliser l’innovation.

H6a: Les hommes expriment une plus grande probabilité d’adopter l’innovation bancaire mobile que les femmes.

H6b: Les non-adoptants masculins expriment une plus grande probabilité d’avoir l’intention d’utiliser les services bancaires mobiles que les femmes non-adoptants.

H6c: Les non-adoptants masculins expriment une plus grande probabilité d’avoir l’intention d’utiliser les services bancaires par Internet que les femmes non-adoptants.

H7a: L’âge est lié négativement à la décision du consommateur d’adopter l’innovation bancaire mobile.

H7b: L’âge est lié négativement à l’intention du non-adoptant de services bancaires mobiles d’utiliser l’innovation.

H7c: L’âge est négativement lié à l’intention du non-adoptant de services bancaires par Internet d’utiliser l’innovation.

H8a: Le revenu est lié positivement à la décision du consommateur d’adopter l’innovation bancaire mobile.

H8b: Le revenu est lié positivement à l’intention du non-adoptant de services bancaires mobiles d’utiliser l’innovation.

H8c: Le revenu est lié positivement à l’intention du non-adoptant de services bancaires par Internet d’utiliser l’innovation.

 

Résultat:

L’étude révèle que pour que cette innovation soit davantage présente chez tous les clients de la banque, cela nécessite davantage de communication et de promotion afin de briser cette barrière de valeur. Malgré les études antérieures ce ne sont  que l’aspect de praticité du produit qui doit être mis en avant, mais plutôt un moyen plus personnel d’entretenir une relation entre le client et la banque directement.

Le résultat des hypothèses présente que ce sont les hommes qui n’utilisent pas les services bancaires en ligne qui sont deux fois plus susceptibles que les femmes d’adopter ces services, ainsi que l’âge qui affecte le comportement ce qui en découle de l’adoption ou non des services mobiles bancaires. 

Conclusion:

Tout d’abord, cette étude a permis de déterminer que malgré les différentes analyses, il existe beaucoup de facteurs déterminants. Tel que, les comportements qui sont évolution, mais aussi selon les culture, traditions de chaque pays ainsi que l’âge et le sexe de l’utilisateur.

Enfin, cela nous permet de comprendre que les facteurs les plus déterminant aux utilisateurs des services bancaire en ligne, comme l’âge et le sexe. Et que l’utilisateur à un besoin différent, que celui mis en avant par les acteurs bancaires, comme la nécessité de créer de la proximité avec de l’utilisateur via de la communication ciblée.

 

Références bibliographiques :

Agarwal, R., & Prasad, J. (1997). The role of innovation characteristics, and perceived vol- untariness in the acceptance of information technologies. Decision Sciences, 28(3), 557–582.

Ajzen, I. (1991). Theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211.

Akinci, S., Kaynak, E., Atilgan, E., & Aksoy, S. (2007). Where does the logistic regression analysis stand in marketing literature: A comparison of the market positioning of prominent marketing journals. European Journal of Marketing, 41(5/6), 537–567.

Alsajjan, B., & Dennis, C. (2010). Internet banking acceptance model: Cross-market exam- ination. Journal of Business Research, 63(9/10), 957–963.

Al-Somali, S. A., Gholami, R., & Clegg, B. (2009). An investigation into the acceptance of online banking in Saudi Arabia. Technovation, 29(2), 130–141.

Antioco, M., & Kleijnen, M. (2010). Consumer adoption of technological innovations: Ef- fects of psychological and functional barriers in a lack of content versus a presence of content situation. European Journal of Marketing, 44(11/12), 1700–1724.

Bitner, M., & Brown, S. (2008). The service imperative. Business Horizons, 51, 39–46. Brown, I., Cajee, Z., Davies, D., & Stroebel, S. (2003). Cell phone banking: Predictors of adoption in South Africa — An exploratory study. International Journal of

Information Management, 23(5), 381–394.

Bruner, G. C., II, & Kumar, A. (2005). Explaining consumer acceptance of handheld inter-

net devices. Journal of Business Research, 58(5), 553–558.

Chen, C. (2013). Perceived risk, usage frequency of mobile banking services. Managing

Service Quality, 23(5), 410–436.

Cheng, T. C. E., Lam, D. Y. C., & Yeung, A. C. L. (2006). Adoption of internet banking: An empirical study in Hong Kong. Decision Support Systems, 42(3), 1558–1572.

Choi, H., Kim, Y., & Kim, J. (2011). Driving factors of post adoption behaviour in mobile

banking data services. Journal of Business Research, 64, 1212–1217.

Dabholkar, P. (1996). Consumer evaluations of new-technology-based self-service options: An investigation of alternative models of service quality. International Journal

of Research in Marketing, 13(1), 29–51.

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technol-

ogy: A comparison of two theoretical models. Management Science, 35, 982–1003.

Eurostat (2014). Individuals using the Internet for Internet banking. (Retrieved from)

http://ec.europa.eu/eurostat/web/products-datasets/-/tin00099

Fain, D., & Roberts, M. L. (1997). Technology vs. consumer behavior: The battle for the fi-

nancial services customer. Journal of Direct Marketing, 11(1), 44–54.

Ferreira, J. B., da Rocha, A., & da Silva, J. F. (2014). Impacts of technology readiness on

emotions and cognition in Brazil. Journal of Business Research, 67(5), 865–873. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation model with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. Forsythe, S. M., & Shi, B. (2003). Consumer patronage and risk perceptions in internet

shopping. Journal of Business Research, 56, 867–875.

 

Gallup, T. N. S. (2012). Mobile life 2012. (Available online at URL) http://www.tnsglobal.

com/mobile-life

Garbarino, E., & Strahilevitz, M. (2004). Gender differences in the perceived risk of buying

online and the effects of receiving a site recommendation. Journal of Business

Research, 57, 768–775.

Gatignon, H., & Robertson, T. S. (1985). A propositional inventory for new diffusion re-

search. Journal of Consumer Research, 11(March), 849–867.

Gatignon, H., & Robertson, T. S. (1989). Technology diffusion: An empirical test of compet-

itive effects. Journal of Marketing, 53, 35–49.

Gilly, M., & Zeithaml, V. (1985). The elderly consumer and adoption of technologies.

Journal of Consumer Research, 12(December), 353–357.

Hanafizadeh, P., Keating, B. W., & Khedmatgozar, H. R. (2014). A systematic review of in-

ternet banking adoption. Telematics and Informatics, 31(3), 492–519.

Heidenreich, S., & Spieth, P. (2013). Why innovations fail — The case of passive and active

innovation resistance. International Journal of Innovation Management, 17(5), 1–42. Huh, Y. E., & Kim, S. H. (2008). Do early adopter upgrade early? Role of post-adoption be- havior in the purchase of next-generation products. Journal of Business Research,

61(1), 40–46.

Jayawardhena, C., & Foley, P. (2000). Changes in the banking sector — The case of internet

banking in the UK. Internet Research: Electronic Networking Applications and Policy,

10(1), 19–30.

Karjaluoto, H., Mattila, M., & Pento, T. (2002). Electronic banking in Finland: Consumer

beliefs and reactions to a new delivery channel. Journal of Financial Services

Marketing, 6(4), 346–361.

Kay, R. H. (1993). An exploration of theoretical and practical foundations for assessing at-

titudes toward computers: The computer attitude measure (CAM). Computers in

Human Behavior, 9, 371–386.

Kivijärvi, M., Laukkanen, T., & Cruz, P. (2007). Consumer trust in electronic service con-

sumption: A cross-cultural comparison between Finland and Portugal. Journal of

Euromarketing, 16(3), 51–65.

Kleijnen, M., Lee, N., & Wetzels, M. (2009). An exploration of consumer resistance to in-

novation and its antecedents. Journal of Economic Psychology, 30, 344–357.

Kuisma, T., Laukkanen, T., & Hiltunen, M. (2007). Mapping the reasons for resistance to internet banking: A means-end approach. International Journal of Information

Management, 27(2), 75–85.

Laukkanen, P., Sinkkonen, S., & Laukkanen, T. (2008). Consumer resistance to internet

banking: Postponers, opponents and rejecters. The International Journal of Bank

Marketing, 26(6), 440–455.

Laukkanen, T., & Kiviniemi, V. (2010). The role of information in mobile banking resis-

tance. The International Journal of Bank Marketing, 28(5), 372–388.

Laukkanen, T., & Lauronen, J. (2005). Consumer value creation in mobile banking services.

International Journal of Mobile Communications, 3(4), 325–338.

Pijpers, G. G. M., Bemelmans, T. M. A., Heemstra, F. J., & van Mont fort, K. A. G. M. (2001).

Senior executives use of information technology. Information and Software

Technology, 43, 959–971.

Poon, W. -C. (2008). Users’ adoption of e-banking services: The Malaysian perspective.

Journal of Business & Industrial Marketing, 23(1), 59–69.

Porter, C. E., & Donthu, N. (2006). Using the technology acceptance model to explain how

attitudes determine internet usage: The role of perceived access barriers and demo-

graphics. Journal of Business Research, 59(9), 999–1007.

Ram, S. (1987). A model of innovation resistance. Advances in Consumer Research, 14(1),

208–212.

Ram, S. (1989). Successful innovation using strategies to reduce consumer resistance: An

empirical test. Journal of Product Innovation Management, 6(1), 20–34.

Ram, S., & Sheth, J. N. (1989). Consumer resistance to innovations: The marketing prob-

lem and its solutions. Journal of Consumer Marketing, 6(2), 5–14.

Riquelme, H. E., & Rios, R. E. (2010). The moderating effect of gender in the adoption of

mobile banking. The International Journal of Bank Marketing, 28(5), 328–341.

Rogers, E. M. (1983). Diffusion of innovations (3rd ed.). New York: Free Press.

Shaikh, A. A., & Karjaluoto, H. (2015). Mobile banking adoption: A literature review.

Telematics and Informatics, 32(1), 129–142.

Sheth, J. N. (1981). Psychology of innovation resistance: The less developed concept

(LDC) in diffusion research. Research in Marketing, 4, 273–282.

Straub, D. W., & Burton-Jones, A. (2007). Veni, vidi, vici: Breaking the TAM logjam. Journal of the Association for Information Systems, 8(4), 223–229.

Szmigin, I., & Foxall, G. (1998). Three forms of innovation resistance: The case of retail payment methods. Technovation, 18(6/7), 459–468.

Talke, K., & Heidenreich, S. (2014). How to overcome pro-change bias: Incorporating pas- sive and active innovation resistance in innovation decision models. Journal of Product Innovation Management, 31(5), 894–907.

Teo, T. S. H., & Pok, S. H. (2003). Adoption of WAP-enabled mobile phones among internet users. Omega, 31(6), 483–498.

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of informa- tion technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.

Woodside, A. G. (1996). Theory of rejecting superior new technologies. Journal of Business & Industrial Marketing, 11(3/4), 25–43.

Woodside, A. G., & Biemans, W. G. (2005). Modeling innovation, manufacturing, diffusion and adoption/rejection processes. Journal of Business & Industrial Marketing, 20(7), 380–393.

Wu, J., & Du, H. (2012). Toward a better understanding of behavioral intention and sys- tem usage constructs. European Journal of Information Systems, 21(6), 680–698.

Yiu, C. S., Grant, K., & Edgar, D. (2007). Factors affecting the adoption of internet banking

in Hong Kong: Implications for the banking sector. International Journal of Information Management, 27(5), 336–351.

 

Laukkanen, T., & Pasanen, M. (2008). Mobile banking innovators and early adopters: How they differ from other online users? Journal of Financial Services Marketing, 13(2), 86–94. Laukkanen, T., Sinkkonen, S., Kivijärvi, M., & Laukkanen, P. (2007). Innovation resistance

among mature consumers. Journal of Consumer Marketing, 24(7), 419–427. Laukkanen, T., Sinkkonen, S., & Laukkanen, P. (2009). Communication strategies to over- come functional and psychological resistance to internet banking. International

Journal of Information Management, 29(2), 111–118.

Lee, Y. -K., Park, J. -H., Chung, N., & Blakeney, A. (2012). A unified perspective on the fac-

tors influencing usage intention toward mobile financial services. Journal of Business

Research, 65(11), 1590–1599.

Lusch, R. F., & Vargo, S. L. (2006). Service-dominant logic: reactions, reflections and refinements. Marketing Theory, 6(3), 281–288.

Mann, B. J. S., & Sahni, S. K. (2012). Profiling adopter categories of internet banking in

India: An empirical study. Vision, 16(4), 283–295.

Marr, N. E., & Prendergast, G. P. (1993). Consumer adoption of self-service technologies in

retail banking: is expert opinion supported by consumer research. The International

Journal of Bank Marketing, 11(1), 3–10.

Martins, C., Oliveira, T., & Popovic, A. (2014). Understanding the internet banking adoption: A unified theory of acceptance and use of technology and perceived risk application. International Journal of Information Management, 34(1), 1–13.

Mattila, M., Karjaluoto, H., & Pento, T. (2003). Internet banking adoption among ma- ture customers: Early majority or laggards? Journal of Services Marketing, 17(5),

514–528.

Meuter, M. L., Ostrom, A. L., Bitner, M. J., & Roundtree, R. (2003). The influence of technology anxiety on consumer use and experiences with self-service technologies. Journal

of Business Research, 56(11), 899–906.

Nysveen, H., Pedersen, P. E., & Thorbjørnsen, H. (2005). Intentions to use mobile services:

Antecedents and cross-service comparisons. Journal of the Academy of Marketing

Science, 33(3), 330–343.

O’Cass, A., Song, M., & Yuan, L. (2013). Anatomy of service innovation: Introduction to the

special issue. Journal of Business Research, 66, 1060–1062.

Parasuraman, A. (2000). Technology Readiness Index (TRI): A multiple-item scale to measure readiness to embrace new technologies. Journal of Service Research, 2(4), 307–320.