Instagram made me buy it : Generation Z impulse purchases in fashion industry

Référence au format APA :

Djafarova.E et Bowes, T. (2021). “Instagram made me buy it : Generation Z impulse purchases in fashion industry”. Journal of Retailing and Consumer Services, 59(4), 102345.

Mots clés de l’article :

Achat impulsif, Instagram, Génération Z, modèle S-O-R.

Synthèse :

E.Djafarova détermine les outils marketing qui sont efficaces sur Instagram et qui engendrent le comportement d’achat impulsif de la génération Z dans le secteur de la mode.

  • En premier lieu, nous analyserons la définition que donnent les auteurs du terme « Génération Z » ainsi que pour le mot « Instagram ».
  • Nous analyserons ensuite le comportement d’achat impulsif engendré par Instagram sur la génération Z. Puis nous finirons par parler du modèle S-O-R, qui permet de mesurer ce phénomène.

Développement :

Tout d’abord, selon E.Djafarova la génération Z, souvent considérée comme des ” natifs numériques “, est la première génération à avoir grandi entourée de communication numérique (Smith, 2017 ; Adeola et al., 2020 ; Reinikainen et al., 2020). Ils constituent la toute nouvelle génération née entre 1995 et le début des années 2010 (Priporas et al., 2019). Ce public consomme du contenu plus que tout autre groupe d’âge, passant quotidiennement près de 11 h à lire, liker et partager des documents sur tous leurs appareils (Adobe, 2018). Ils sont fortement susceptibles d’être exposés à la publicité numérique sur les médias sociaux (SM) et de consulter Instagram au moins cinq fois par jour (Chen, 2018 ; Emmanuel, 2019 ; Vitelar, 2019). La génération Z est la plus grande génération, constituant environ 32 % de la population mondiale (Miller et Lu, 2018) ce qui peut engendrer des ventes significatives à l’échelle mondiale. La nouvelle génération apprécie énormément la « fast fashion » car cela leur permet de renouveler régulièrement leurs vêtements mais aussi de posséder les dernières tendances. Face à une demande importante, les marques se doivent d’augmenter leurs stocks afin de répondre aux attentes de leurs consommateurs. Il est ainsi nécessaire de déployer une bonne stratégie marketing pour satisfaire au mieux les clients mais aussi pour se faire une marge.

Les achats compulsifs des consommateurs sont influencés par le réseau social Instagram, mais plus précisément pour les marques de mode car leurs visualisations sur cette application attirent beaucoup la génération Z. Selon E.Djafarova, Instagram s’est avéré être le média social qui affecte le plus les achats impulsifs au sein de l’industrie de la mode, principalement en raison de l’importance de l’aspect visuel dans la promotion de la mode (Aragoncillo et Orus, 2018).

Divers facteurs vont susciter chez les consommateurs l’envie d’effectuer des achats comme les vidéos ou photos présentent sur la page Instagram d’une marque, les recommandations d’un ou d’une ami(e) et par les influenceurs qui sont représentés comme des leader d’opinion. Instagram a donc un impact considérable sur le processus d’achat car du plaisir est créée chez le consommateur lorsque celle-ci est utilisée faisant « sauter » la phase de la prise décision et c’est là que les achats impulsifs interviennent. Enfin, il existe sur cette plateforme deux types de contenu : `

  • Le BCG : le contenu généré par la marque
  • Le UGC : le contenu généré par l’utilisateur

Parlons désormais du modèle SOR qui signifie que « divers facteurs environnementaux peuvent être un stimulus (S) qui influence l’état émotionnel d’une personne (O) qui évoque ensuite la réponse de la personne (R) » (Mehrabian et Russell, 1974). Il nous est donc nécessaire pour pouvoir mesurer et analyser le comportement d’achat impulsif des consommateurs. Les BGC, qui sont des leaders d’opinion (S), plus précisément des micro-célébrités (plus précisément des influenceurs), déclenchent chez les participantes des émotions positives (O), ce qui entraîne des achats impulsifs (R). En outre, bien que son influence soit moindre que celle des CGB, le CGU a également été reconnu comme un stimulus déclenchant des achats impulsifs chez les femmes de la génération Z.

Les hommes sont moins réceptifs à l’impulsivité concernant les achats, Instagram n’a donc aucun effet sur eux.

Conclusion

Instagram influence le comportement d’achat du consommateur mais particulièrement lorsque le contenu est généré par l’utilisateur. (Celui engendré par les marques est plus faibles que les contenus générés par un utilisateur). Aussi, Instagram se montre persuasif pour stimuler les achats impulsifs chez les femmes mais elle reste faible pour les Hommes (King, 2019 ; Sheldon et Bryant, 2015).

Enfin si on se base sur le modèle de stimulation-organisme-réponse, de nombreux éléments sur Instgram agissent comme stimuli (S) : les publicités, les contenus et les leaders d’opinion comme les influenceurs par exemple et engendrent des émotions positives (O).

Références bibliographiques :

  • Smith, K.T., 2017. Mobile advertising to Digital Natives: preferences on content, style, personalization, and functionality. Strat. Market. 27 (1), 67–80.
  • Adeola, O., Hinson, R.E., Evans, O., 2020. Social media in marketing communications: a synthesis of successful strategies for the digital generation. Digital Transformation in Business and Society 4, 61–81.
  • Reinikainen, H., Kari, J.T., Luoma-Aho, V., 2020. Generation Z and organizational listening on social media. Media Commun. 8 (2), 185–196.
  • Priporas, C.V., Stylos, N., Fotiadis, A.K., 2017. Generation Z consumers’ expectations of interactions in smart retailing: a future agenda. Hum. Behav. 77, 374–381.
  • Adobe, 2018. Adobe experience manager 6.4: defining the next wave of content driven experiences. https://blogs.adobe.com/digitaleurope/digital-marketing/adobe-e xperience-manager-6-4-defining-the-next-wave-of-content-driven-experiences/.
  • Emmanuel, Z., 2019. Social and media networks – UK – may 2019. https://reports.mint el.com/display/919588/.
  • Miller, L.J., Lu, W., 2018. Gen Z Is Set to Outnumber Millennials within a Year.
  • Aragoncillo, L., Orus, C., 2018. Impulse buying behaviour: an online-offline comparative and the impact of social media. Spanish Journal of Marketing 22 (1), 42–62.
  • Mehrabian, A., Russell, J.A., 1974. An Approach to Environmental Psychology. The MIT Press, Cambridge.

 

 

Supply Chain Management during and post-COVID-19 Pandemic: Mitigation Strategies and Practical Lessons Learned

Raj, A., Mukherjee, A. A., de Sousa Jabbour, A. B. L., & Srivastava, S. K. (2022). Supply Chain Management during and post-COVID-19 Pandemic: Mitigation Strategies and Practical Lessons Learned. Journal of Business Research.

Motfs clefs : Supply chain; coronavirus, barriers, resilience, risk management.

Cet article met en relief les défis de la chaine d’approvisionnement pendant la covid-19. En effet, celui-ci a bouleversé les mentalités liées à la CGA. La méthode Grey-DEMATEL sera utilisée pour analyser les différentes relations des défis avec la chaîne d’approvisionnement. L’étude portera davantage sur les économies émergentes (Inde).

La covid a perturbé l’économie mondiale, notamment les chaine d’approvisionnement. 94% des entreprises du Fortune 1000 ont déjà connu des perturbations de leurs chaine d’approvisionnement de par la covid notamment sur l’aspect de la demande, de l’offre et l’aspect logisique.

Les responsables de la chaîne d’approvisionnement qui étaient concentrés jusqu’ici sur la gestion des stocks en flux tendus qui permet la diminution des coûts et ainsi augmenter l’efficacité ont dû s’orienter sur d’autres facteurs (évaluer les stratégies des CGA, la conception de la CGA) pour faire face aux situations inattendues (covid par exemple).

L’étude répond principalement à 4 questions fondamentales :

  1. a) Quels sont les principaux défis de la chaîne d’approvisionnement découlant de la pandémie de COVID-19 ?
  2. b) Comment ces défis s’influencent-ils mutuellement ?
  3. c) Quelles stratégies d’atténuation sont appropriées pour relever ces défis de la chaîne d’approvisionnement ?
  4. d) Comment les perturbations du COVID-19 pourraient-elles affecter les politiques des chaînes d’approvisionnement dans les réseaux de relations interconnectées à l’avenir ?

Il s’agit de la première étude complète qui analyse les défis de la CGA durant la covid-19.

Cette période a causé un effet d’entrainements sur la chaîne d’approvisionnement à l’issue de plusieurs petites perturbations (Scheibe et Blackhurst, 2018)

Les défis dépendant principalement de leur location géographique et de la résilience de leur supply chain. L’article se concentre sur des chaines d’approvisionnement spécifiques : agricole, industrie & automobile et aérienne.

La résilience est l’un des éléments prédominants permettant d’atténuer les défis liés à la chaîne d’approvisonnement. 80% des plus grandes entreprises mondiales prennent en considération son importance dans la CGA. Cette résilience repose sur un ensemble de capacités permettant d’améliorer ses capacités opérationnelles et concurrentielles sur un marché.

En Inde, la crise a touché les produits dont la demande a fortement baissé comme pour le lait par exemple. Celui-ci n’était plus un produit essentiel pour beaucoup d’entre eux hormis les ménages.

Une pénurie de matière première s’est fait ressentir puisque les villes et les pays se sont verrouillés.

L’interdépendance des matières premières avec d’autres pays peut être un vrai frein à une chaine d’approvisionnement efficiente. La preuve en est avec L’inde et la Chine qui importe 70% de ses matières premières pour les secteurs de la chimie, automobile, pharmaceutique et textile.

La crise de la covid-19 a entrainé une demande hétérogène de produits fabriqués en Inde. La chaîne d’approvisionnement a été perturbée due à une mauvaise adaptabilité de celle-ci vis-à-vis des demandes fortes sur certaines catégories de produits et une absence contraire de demandes sur d’autres catégories, cela a entrainé un sur stockage de certains produits Razdan & Kumar (2020).

Le processus Gray DEMATEL (Decision Making Trial and Evaluation Laboratory)  est une méthode connue pour l’aide à la prise de décision multicritères (Raj et al., 2020). L’article propose des stratégies d’atténuation pour améliorer la chaine d’approvisionnement sur du court terme et du long terme.

Sur les 24 experts contactés, seules 15 réponses complètes ont été retenues (12 industriels, 3 universitaires). Les facteurs retenus ont été classés par ordre d’importance.

Ainsi il s’agit de l’incohérence de l’offre qui s’avère être le facteur le plus important afin de répondre à ces défis suivi de la fabrication sous-optimale due à la fuite des travailleurs migrants (verrouillage du pays pendant la crise) et de l’irrégularité de l’offre. L’indisponibilité des véhicules et retards constitue le 3ème facteur indissociable des autres. En effet, seul 15 à 20% des camions étaient actifs durant la période de blocage ce qui impact directement les délais de livraison et de sucroit le stockage/ entreposage en Inde.

Les retards de livraison de matières premières ont été causés par les problèmes ci-dessous (main d’œuvre, transport, fabrication).

En Inde 60% des travailleurs migrants sont rentrés chez eux en raison des décisions de restrictions de fermeture, de baisses des salaires et parfois de la perte d’emploi d’après The Economist (2020).

Une pénurie de matériaux a également été la cause des problèmes d’approvisionnement (impossibilité d’importer des matériaux durant les restrictions, demande hétérogène des produits, volatilité des prix unitaires sur certains produits). L’indisponibilité des véhicules et retards constitue le troisième défi. Les demandes excessives pour les mêmes itinéraires ont provoqué un manque de disponibilité de certains conducteurs.

Ces facteurs causaux susmentionnés n’ont pas eu beaucoup d’impact sur les contrainte de capacité (stockage) tout comme l’incohérence de l’approvisionnement et le retard des livraisons.

Les stratégies d’atténuation délivrées par les experts sur du court terme reposent sur 3 catégories (offre, demande, logistique & stockage).

Coté offre : Au vue des défis identifiés pour les chaines d’approvisionnement, les organisations doivent identifier les matière premières essentiels à la fabrication qui comportent un risque d’interruption des activités. Mise en place de plusieurs fournisseurs avec des matériaux alternatifs afin de ne pas être dépendant. Favoriser les fournisseurs locaux plutôt que transfrontaliers. Cette stratégie repose sur la diversification des fournisseurs atténuant la dépendance en matériaux et matières premières. Pa ailleurs, valoriser sa main d’œuvre permettrait aux individus de ne pas retourner chez eux en leur proposant des logements adéquats, maintient de salaire etc.

A long terme, la mise en place de fournisseurs alternatifs plus proche de l’usine dans le cadre d’un plan de continuité des activités. Effectuer des stratégies d’approvisionnement sur mesure. Les entreprises doivent adopter une technologie perturbatrice telles que l’analyse massive des données (BDA) ou encore la fabrication additive et la blockchain. Investir dans une capacité de réserve et de stockage permet d’anticiper toute perturbation de la chaine d’approvisionnement en dépit du maintien des ressources inutilisées.

Logistique et stockage : Mise en place de l’omnicanalité pour la distribution des produits principalement durant la covid afin e faire face à la distanciation sociale et les restrictions (Sodhi et al., 2021). Mélange sain de véhicules dédiés à des livraisons particulières.

A long terme, mise en place des véhicules autonomes ce qui impliquerait une absence de dépendance aux conducteurs humains. Livraison par drône pour le dernier kilomètre et sur des endroits inaccessibles. Pour les structures moins matures sur leur flotte automobile, créer des synergies avec les TPL (prestataires de services logistiques).

Coté demande : A court terme, une visibilité de bout en bout aux clients (instaure une confiance), tarification différenciée en fonction du volume de commandes, omnicanalité.

A long terme, identification des meilleurs clients, programme de fidélisation et omnicanalité dans la distribution.

Conclusion : Cet article relate des principaux défis des chaines d’approvisionnement indiennes durant la covid-19. Il met en perspective la résilience de ces chaines et propose des stratégies d’atténuation via le témoignage de plusieurs experts. Le contraste entre les CGA des pays émergents et celui des pays développés est mis en relief, moins de moyens technologiques et davantage de moyens humains peuvent brider leurs chaines d’approvisionnement.

 

 

 

Références : Impossible de les coller

The influence of virtual reality in e-commerce

Martínez-Navarro, J., Bigné, E., Guixeres, J., Alcañiz, M., & Torrecilla, C. (2019). The influence of virtual reality in e-commerce. Journal of Business Research100, 475-482.

Mots clés : Virtual reality, E-commerce, V-commerce, Sense of presence, Head-mounted display, Virtual experience

 

Cette étude effectue une comparaison entre le v-commerce et les magasins traditionnels notamment sur l’intention d’achat d’un consommateur.

 

La réalité virtuelle permet d’influencer le comportement d’achat d’un consommateur par le biais de plusieurs dispositifs de RV capables d’intégrer des pubs, médias en ligne, eWOM et bien évidemment par une interaction en temps réel avec les produits (Fang, Zhang, Şensoy, & Magnenat-Thalmann, 2014 ; Papagiannidis, See-To, & Bourlakis, 2014).

 

Ces RV peuvent être classés en fonction de leurs interfaces hommes-machines : écran de pc, grands écrans ultra haute définition (powerwalls),  smartphones connectés à des vasques VR type Samsung Gear VR, les HMD, cubes immersifs. Les images ou vidéos affichées peuvent l’être en 360 degrés ou en 3D. Le 360 est devenu plus à la mode que le 3D sui était utilisé par le passé notamment grâce aux smartphones. Il est égalemetn moins cher et ne nécessite pas d’ordinateur en continue. Pour se faire, il faut 3 dispositifs de sortie visuelle : un PC, powerwall et un HMD.

Les 3 questions de recherche mettent en lumière :

RQ1 : Quel dispositif de RV suscite les plus grandes réponses des consommateurs dans un magasin virtuel ?

RQ2 : Quel format de contenu de RV suscite les meilleures réponses des consommateurs dans un magasin virtuel ?

RQ3 : Les magasins virtuels suscitent-ils de plus grandes réponses des consommateurs que les magasins physiques ?

 

La réalité virtuelle est une nouvelle forme d’expérience pour les consommateurs. Chaque expérience humaine comprend 3 étapes différentes : affectif, cognitif, conatif (par exemple, Zajonc, 1980a, 1980b). L’affect est étroitement lié à la cognition. Celui-ci se distingue dans le cadre de la RV par l’évaluation affective de l’environnement simulé. Ainsi nous pouvons mesurer l’inconfort de la VR sur les utilisateurs et déterminer si le port des dispositifs de VR sont efficaces. La cognition est définie comme «l’activité mentale telle qu’elle se reflète dans les connaissances, les croyances ou les pensées que quelqu’un a sur un aspect de son monde” (Barry & Howard, 1990, p. 104). Les expériences de VR entrainent un sentiment de présence et ainsi ne dénature pas le comportement qu’il aurait dans la réalité. Autrement dit, ils agissent de la même manière en VR que dans la réalité.

Certaines hypothèses sont émises :

H1. Les émotions ressenties par un consommateur dans un magasin virtuel influencent positivement le sentiment de présence.

H2. Les évaluations affectives du consommateur sur un magasin virtuel influencent positivement le rappel de la marque. L’engagement cognitif dû à un ressenti de présence peut avoir des effets sur la mémoire.

H3. Le sentiment de présence ressenti par le sujet dans un magasin virtuel a une influence positive sur le rappel de la marque. En plus des impacts positifs de la VR sur la mémoire des consommateurs, elle peut également entrainée de la négativité si le consommateur est dans une situation inconfortable.

H4. L’inconfort perçu dans un magasin virtuel a un impact négatif sur le sentiment de présence.

H5. L’inconfort perçu lors d’une expérience de simulation dans un magasin virtuel a un impact négatif sur le rappel de la marque.

L’intention d’achat est une variable conative la plus étudiée dans le commerce électronique (Hausman & Siekpe, 2009). Certains pensent que la VR peut révolutionner l’expérience  achat (par exemple, Grewal et al., 2017).

H6. Le sentiment de présence dans un magasin virtuel a un impact positif sur l’intention d’achat.

 

Selon Radder et Huang (2008),plus il est facile pour un consommateur de se souvenir de la marque alors plus son intention d’acheter sera élevée.

H7. Le rappel de la marque a un impact positif sur l’intention d’achat dans un magasin virtuel.

L’étude menée dans cet article relève d’une expérience immersive dans un supermarché en dehors des horaires d’ouvertures et parallèlement dans une réalité virtuelle représentant la même situation. Les participants bénéficiaient des mêmes stimuli (nombre, taille, apparence, etc). L’étude comprend un échantillon de 178 personnes hétérogènes. Les données recueillis proviennent de deux questions (l’un rempli avant et l’autre après l’expérience).

Les échelles de mesures pour cette expérience se sont basées sur le modèle de Lickert.

Pour répondre à la RQ1 et RQ3, les résultats montrent qu’il n’y a pas de différences entre les émotions et les évaluations affectives en VR ou en vrai cependant des différences significatives sont recensées pour la question de l’inconfort entre la VR et la réalité. Il y a également des différences sur l’intention d’achat (plus bas en condition physique). Le HMD présente des sentiments d’inconfort relativement fort contrairement aux moniteurs PC.

Par ailleurs, il n’y a pas de différences entre les différentes VR (3D ou 360 dégrés) dans les réponses cognitives et affectives des consommateurs (RQ1). L’intention d’achat en revanche a été plus conséquente avec la 3D. Concernant la RQ2, seules les différences liées à l’inconfort ont été perçues plus importante pour le HMD malgré le sentiment de présence plus élevé. Les HMD se sont avérés globalement plus efficaces en obtenant des scores plus élevés pour 4 mesures sur 5.

 

La contribution faite sur la comparaison entre les magasins physiques et virtuels (RQ3) a montré que les magasins virtuels sont plus performants dans la réponse cognitive et conative des consommateurs. Le rappel de la marque semble être plus élevé dans une situation de v-commerce que dans le magasin physique. Les deux formats de RV augmentent significativement l’intention d’achat vis-à-vis du magasin traditionnel par deux voies différentes. L’une concerne les émotions ressenties qui ont un impact sur le sentiment de présence ce qui favorise l’intention d’achat (confirmation des hypothèses). La seconde voie montre que l’évaluation affective d’un environnement virtuel a un impact sur le souvenir de la marque d’un consommateur et donc par ce fait influence son intention d’achat.

 

L’inconfort quant à lui n’a pas d’impact sur le sentiment de présence ni sur le souvenir de la marque. Ce résultat est d’autant plus intéressant que le confort est l’avantage clé d’un achat en boutique. Si celui-ci n’a que peu d’impact sur les intentions d’achat ou sur le rappel de la marque alors des questions plus approfondies méritent d’être abordées.

References

 

Alcañiz, M., Baños, R., Botella, C., & Rey, B. (2003). The EMMA project: Emotions as a determinant of presence. PsychNology Journal, 1(2), 141–150.

Alcañiz, M., Rey, B., Tembl, J., & Parkhutik, V. (2009). A neuroscience approach to virtual reality experience using transcranial doppler monitoring. Presence Teleoperators and Virtual Environments, 18(2), 97–111.

Aldás, J. (2012). Partial least squares path modelling in marketing and management re- search: An annotated application. In L. Moutinho, & K. H. Huarng (Eds.). Quantitative modelling in marketing and management (pp. 43–78). London: World Scientific.

Algharabat, R., Abdallah Alalwan, A., Rana, N. P., & Dwivedi, Y. K. (2017). Three di- mensional product presentation quality antecedents and their consequences for on- line retailers: The moderating role of virtual product experience. Journal of Retailing and Consumer Services, 36, 203–217.

Ashby, F. G., & Isen, A. M. (1999). A neuropsychological theory of positive affect and its influence on cognition. Psychological Review, 106(3), 529.

Baron, R., & Kenny, D. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social, 51(6), 1173–1182.

Barry, T. E., & Howard, D. J. (1990). A review and critique of the hierarchy of effects in advertising. International Journal of Advertising, 9(2), 121–135.

Beck, M., & Crié, D. (2018). I virtually try it … I want it! Virtual fitting room: A tool to increase on-line and off-line exploratory behavior, patronage and purchase inten- tions. Journal of Retailing and Consumer Services, 40(1), 279–286.

Berg, L. P., & Vance, J. M. (2017). Industry use of virtual reality in product design and manufacturing: A survey. Virtual Reality, 21, 1–17.

Bigné, E., Llinares, C., & Torrecilla, C. (2016). Elapsed time on first buying triggers brand choices within a category: A virtual reality-based study. Journal of Business Research, 69(4), 1423–1427.

Biocca, F. (1997). The Cyborg’s dilemma: Progressive embodiment in virtual environ- ments. Journal of Computer-Mediated Communication, 3(2).

Bless, H., & Fiedler, K. (2006). Mood and the regulation of information processing. In J. P. Forgas (Ed.). Affect in social cognition and behavior (pp. 65–84). New York: Psychology Press.

Bonetti, F., Warnaby, G., & Quinn, L. (2018). Augmented reality and virtual reality in physical and online retailing: A review, synthesis and research agenda. In T. Jung, & M. C. tom Dieck (Eds.). Augmented reality and virtual reality. Empowering human, place and business (pp. 119–132). Cham, Switzerland: Springer.

Bouchard, S., St-Jacques, J., Robillard, G., & Renaud, P. (2008). Anxiety increases the feeling of presence in virtual reality. Presence Teleoperators and Virtual Environments, 17(4), 376–391.

Bressoud, E. (2013). Testing FMCG innovations: Experimental real store versus virtual. Journal of Product and Brand Management, 22(4), 286–292.

Chandon, P., Hutchinson, J. W., Bradlow, E. T., & Young, S. H. (2009). Does in-store marketing work? Effects of the number and position of shelf facings on brand at- tention and evaluation at the point of purchase. Journal of Marketing, 73(6), 1–17.

Collins, A. M., & Loftus, E. A. (1975). A spreading-activation theory of semantic proces- sing. Psychological Review, 82(6), 407–428.

Cronbach, L. J. (1951). Coefficient Alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.

Diemer, J., Alpers, G. W., Peperkorn, H. M., Shiban, Y., & Mühlberger, A. (2015). The impact of perception and presence on emotional reactions: A review of research in virtual reality. Frontiers in Psychology, 6, 1–9.

Falk, F. R., & Miller, N. B. (1992). A primer for soft modeling. Akron, OH: The University of Akron Press.

Fang, H., Zhang, J., Şensoy, M., & Magnenat-Thalmann, N. (2014). Reputation me- chanism for e-commerce in virtual reality environments. Electronic Commerce Research and Applications, 13(6), 409–422.

Forgas, J. P., & Eich, E. (2012). Affective influences on cognition: Mood congruence, mood dependence, and mood effects on processing strategies. In I. B. Weiner, A. F. Healy, & R. W. Proctor (Vol. Eds.), Handbook of psychology(2nd ed.). 4. Handbook of psychology (pp. 61–82). Hoboken, NJ: Wiley.

Fornell, C., & Larcker, D. (1981). Structural equation models with unobservable variables and measurement error: Algebra and statistics. Journal of Marketing Research, 18(3),

382–388.
Gorini, A., Capideville, C. S., De Leo, G., Mantovani, F., & Riva, G. (2011). The role of

immersion and narrative in mediated presence: The virtual hospital experience.

Cyberpsychology, Behavior and Social Networking, 14(3), 99–105.
Grewal, D., Roggeveen, A. L., & Nordfält, J. (2017). The future of retailing. Journal of

Retailing, 93(1), 1–6.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2014). A primer on partial least

squares structural equation modeling (PLS-SEM). Thousand Oaks, CA: Sage.
Hausman, A. V., & Siekpe, J. S. (2009). The effect of web interface features on consumer

online purchase intentions. Journal of Business Research, 62(1), 5–13.
Henseler, J., Dijkstra, T. K., Sarstedt, M., Ringle, C. M., Diamantopoulos, A., Straub, D. W.,

… Calantone, R. J. (2014). Common beliefs and reality about PLS: Comments on

Rönkkö and Evermann (2013). Organizational Research Methods, 17(2), 182–209. Henseler, J., Hubona, G., & Ray, P. A. (2016). Using PLS path modeling in new technology

research: Updated guidelines. Industrial Management & Data Systems, 116(1), 2–20. Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing dis-

criminant validity in variance-based structural equation modeling. Journal of the

Academy of Marketing Science, 43(1), 115–135.
Isen, A. M. (1984). Toward understanding the role of affect in cognition. In R. WyerJr., &

  1. Srull (Vol. Eds.), Handbook of social cognition. Vol. 3. Handbook of social cognition

(pp. 179–236). Mahwah, NJ: Lawrence Erlbaum Associates Publishers.
Kim, K., Rosenthal, M. Z., Zielinski, D. J., & Brady, R. (2014). Effects of virtual en-

vironment platforms on emotional responses. Computer Methods and Programs in

Biomedicine, 113(3), 882–893.
Kline, R. (2011). Principles and practice of structural equation modeling. New York: Guilford

Press.
Küller, R. (1991). Environmental assessments from a neuropsychological perspective. In

  1. Gärling, & G. W. Evans (Eds.). Environment, cognition and action: An integrated

approach (pp. 111–147). New York: Oxford University Press.
Laros, F. J., & Steenkamp, J. B. E. (2005). Emotions in consumer behavior: A hierarchical

approach. Journal of Business Research, 58(10), 1437–1445.
Laurent, G., Kapferer, J., & Roussel, F. (1995). The underlying structure of brand

awareness scores. Marketing Science, 14(3_supplement), G170–G179.
Laviola, J. J., Jr., Kruijff, E., McMahan, R. P., Bowman, D., & Poupyrev, I. (2017). 3D user

interfaces: Theory and practice. Redwood City, CA: Addison-Wesley Professional.
Li, H., Daugherty, T., & Biocca, M. (2001). Characteristics of virtual experience in elec- tronic commerce: A protocol analysis. Journal of Interactive Marketing, 15(3), 13–30.

Mania, K., & Chalmers, A. (2001). The effects of levels of immersion on memory and presence in virtual environments: A reality centered approach. Cyberpsychology & Behavior, 4(2), 247–264.

Mann, M. K., Liu-Thompkins, Y., Watson, G. S., & Papelis, Y. E. (2015). A multi- disciplinary examination of 3D virtual shopping environments: Effects on consumer perceptual and physiological responses. In K. Kubacki (Ed.). Ideas in marketing: Finding the new and polishing the old (pp. 752–755). Springer International Publishing.

Massara, F., Liu, S. S., & Melara, R. D. (2010). Adapting to a retail environment: Modeling consumer–environment interactions. Journal of Business Research, 63(7), 673–681.

Mehrabian, A., & Russell, J. (1974). An approach to environmental psychology. Cambridge, MA: The MIT Press.

Meißner, M., Pfeiffer, J., Pfeiffer, T., & Oppewal, H. (2017). Combining virtual reality and mobile eye tracking to provide a naturalistic experimental environment for shopper research. Journal of Business Research. https://doi.org/10.1016/j.jbusres.2017.09.028 (in press).

Memon, B. A., Arif, H., & Farrukh, M. (2016). Impact of brand recall on customer pur- chase intention. Journal of Marketing and Consumer Research, 25, 51–59.

Nichols, S., Haldane, C., & Wilson, J. R. (2000). Measurement of presence and its con- sequences in virtual environments. International Journal of Human-Computer Studies, 52(3), 471–491.

Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory. New York, NY: Mc-Graw- Hill.

Pantano, E., & Servidio, R. (2012). Modeling innovative points of sales through virtual and immersive technologies. Journal of Retailing and Consumer Services, 19(3), 279–286.

Papagiannidis, S., See-To, E. W., & Bourlakis, M. (2014). Virtual test-driving: The impact of simulated products on purchase intention. Journal of Retailing and Consumer Services, 21(5), 877–887.

Peterson, R. A., Hoyner, W. D., & Wilson, W. R. (1986). Reflections on the role of affect in consumer behavior. In R. A. Peterson, W. D. Hoyner, & W. R. Wilson (Eds.). The role of affect in consumer behavior: Emerging theories and applications (pp. 141–159). Lexington, MA: Lexington Books.

Radder, L., & Huang, W. (2008). High-involvement and low-involvement products: A comparison of brand awareness among students at a South African university. Journal of Fashion Marketing and Management: An International Journal, 12(2), 232–243.

Riva, G., Mantovani, F., Capideville, C. S., Preziosa, A., Morganti, F., Villani, D., … Alcañiz, M. (2007). Affective interactions using virtual reality: The link between presence and emotions. Cyberpsychology & Behavior, 10(1), 45–56.

Slater, M. (2009). Place illusion and plausibility can lead to realistic behaviour in im- mersive virtual environments. Philosophical Transactions of the Royal Society of London

B: Biological Sciences, 364(1535), 3549–3557.
Statista (2017). Projected economic impact of virtual and augmented reality technologies

worldwide from 2016 to 2020. http://bit.ly/2NNW5ay, Accessed date: 15 October

2017.

Steuer, J. (1992). Defining virtual reality: Dimensions determining telepresence. Journal of Communication, 42(4), 73–93.

Stone, M. (1974). Cross-validatory choice and assessment of statistical predictions. Journal of the Royal Statistical Society, Series B, 36(2), 111–147.

Ulrich, S. R. (1983). Aesthetic and affective response to natural environment, behavior and the natural environment. In I. Altman, & J. Wohwill (Eds.). Human behavior and environment. 6: Behavior and natural environment (pp. 85–125). New York, NY: Plenum.

Usoh, M., Catena, E., Arman, S., & Slater, M. (2000). Using presence questionnaires in reality. Presence Teleoperators and Virtual Environments, 9(5), 1–16.

Van Herpen, E., van den Broek, E., van Trijp, H. C., & Yu, T. (2016). Can a virtual su- permarket bring realism into the lab? Comparing shopping behavior using virtual and pictorial store representations to behavior in a physical store. Appetite, 107, 196–207.

Verhulst, A., Normand, J.-M., Lombart, C., & Moreau, G. (2017). A study on the use of an immersive Virtual Reality store to investigate consumer perceptions and purchase behavior toward non-standard fruits and vegetables. Proceedings of the IEEE virtual reality 2017 (pp. 55–63). (Los Angeles).

Vrechopoulos, A., Apostolou, K., & Koutsiouris, V. (2009). Virtual reality retailing on the web: Emerging consumer behavioural patterns. The International Review of Retail, Distribution and Consumer Research, 19(5), 469–482.

Waterlander, W. E., Jiang, Y., Steenhuis, I. H. M., & Mhurchu, C. N. (2015). Using a 3D virtual supermarket to measure food purchase behavior: A validation study. Journal of Medical Internet Research, 17(4), e107.

Yim, M. Y.-C., Chu, S.-C., & Sauer, P. L. (2017). Is augmented reality technology an ef- fective tool for e-commerce? An interactivity and vividness perspective. Journal of Interactive Marketing, 39, 89–103.

Zajonc, R. B. (1980a). Feeling and thinking: Preferences need no inferences. American Psychologist, 35(2), 151–175.

Zajonc, R. B. (1980b). Cognition and social cognition: A historical perspective. In L. Festinger (Ed.). Retrospections on social psychology (pp. 1–42). New York, NY: Oxford University Press.

 

 

Intelligent E-commerce logistics platform using hybrid agent based approach

Barenji, A. V., Wang, W. M., Li, Z., & Guerra-Zubiaga, D. A. (2019). Intelligent E-commerce logistics platform using hybrid agent based approach. Transportation Research Part E: Logistics and Transportation Review126, 15-31.

Mots-clés : E-commerce, Online to offline, E-commerce logistic park, Multi-agent system, Scheduling And control

Le commerce électronique permet de favoriser les échanges commerciaux, cependant il dépend d’un soutien logistique pour que son utilisation soit optimale (Geerts et McCarthy, 2002). Les avantages du commerce électronique sans une chaîne logistique efficiente seraient perdus (Ngai et Wat, 2002). En effet, l’exécution des commandes durant tout le londe de la chaîne d’approvisionnement constitue l’un des principaux obstacle qui affecte le développement de l’industrie mondiale du commerce électronique ainsi que de l’expérience d’achat en ligne (Bask et al., 2014 ; Ardjmand et al., 2018).

La logistique a un rôle primordial à tel point qu’elle pourrait représenter 40% du prix d’un produit (Kong et al., 2017). Le commerce électronique se décline en 3 parties : les produits de remplacement sont retirés des fabricants et expédiés aux entrepôts, les processus d’exécution de l’entrepôt trient, les produits sont livrés aux clients par le centre de distribution.

Récemment, des EcLP ont été introduits afin de favoriser le processus de commerce électronique. Celui-ci prévoit une zone économique spéciale multi fournisseurs sous la forme d’accords commerciaux (Šulgan, 2006). Cette pratique est notamment utilisée en Chine dans les régions les plus importantes. Il s’agit de zone stratégique permettant de développer de nouveaux marchés. L’objectif principal d’un parc est d’accélérer le processus d’éxécution pour un grand nombre d’EcLP. Ces entreprises partagent des biens communs (infrastructures, services communs, transports, etc.) (Mangiaracina et al., 2015 ; Turban et al., 2018).

Avec les demandes croissantes dues au e-commerce, les EcLP ont dus s’adapter en intégrant les nouvelles technologies (IoT, GPS, Cloud computing) pour répondre à ces demandes élevées. Malgré ces dispositions, il y a toujours un problème lié à l’ordonnancement dynamique à travers un manque d’échange d’information (Joong-Kun Cho et al., 2008 ; Liu et al., 2018 ; Yu et al., 2016 ; Zhang et al., 2018).

Plusieurs études ont fait l’objet de diverses solutions optimales pour résoudre ce problème et ainsi améliorer le processus d’exécution des commandes en ligne.

Une littérature complète sur la logistique du commerce électronique dans l’industrie du meuble a été présentée par Yu et al. (2017) qui ont montré l’importance de l’IoT, le big data et le cloud computing dans l’amélioration de la logistique du commerce électronique ainsi qu’à tous les niveaux opérationnels et décisionnels.

Les problèmes liés à la centralisation dans les EcLP via la logistique et le transport ont été caractérisés en plusieurs points :

-Manque de distribution et autonomie (ils sont contrôlés par un ordinateur hôte).

-Manque de reconfiguration : les EcLP ne peuvent pas gérés plusieurs problèmes à la fois.

-Machine : manque d’optimisation en temps réel face aux perturbations.

Les objectifs de l’article sont définis à travers deux questions :

Comment concevoir et développer un système intelligent de contrôle et d’ordonnancement pour un parc logistique de commerce électronique ?

L’intégration des informations en temps réel améliorera-t-elle le processus d’exécution des commandes ?

Dans cette étude, une plateforme hybride basée sur des agents a été réalisée pour l’EcLP.

Les avantages de cette plateforme ont été recentrés en 3 parties. Le premier concerne une plateforme décentralisée pour résoudre les problèmes liés à l’autonomie e la centralisation de l’EcLP. Le second permet une communication entre les agents mobiles (matériels & logiciels) afin d’assurer un échange d’information en temps réel. Pour finir, l’implémentation d’un agent d’optimisation a permis de réduire le temps de transport et d’améliorer le processus d’exécution via la responsabilité de l’ordonnance dynamique.

Pour conclure, les avantages liés à cette plateforme couvrent : la réduction du temps de traitement, amélioration du débit en réduisant la planification des chemins, amélioration de l’utilisation des machines.

Dans la chaîne d’approvisionnement classique, les produits sont traités sur différents niveaux allant du transport des produits des fabricants aux différents magasins physiques puis le client final (Gunasekaran et al., 2017). L’essor d’internet et du commerce électronique selon la définition du gouvernement britannique « (Stanford-Smith et Kidd, 2000) : “Le commerce électronique est l’échange d’informations (valeur) à travers des réseaux électroniques, à n’importe quel stade de la chaîne d’approvisionnement, c’est-à-dire qu’il soit payé ou non. Et, il peut avoir lieu au sein d’une organisation, entre les entreprises et les utilisateurs finaux.”

L’EcLP a apporté énormément au commerce électronique en résolvant le problème dû à la demandes clients au moment opportun (Yu et al., 2017). Ce fut l’objet de nombreux projets de ce nouveau système d’approvisionnement dans un parc logistique pour le commerce électronique. La Chine est l’un des précurseurs de ce modèle à la vue de ses demandes clients élevées. Les parcs logistiques ont joué un rôle important dans l’efficacité de la chaîne d’approvisionnement (Rimienė et Grundey, 2007). Ces mêmes parcs logistiques ont évolué en EcLP pour bénéficier des avantages liés à l’autonomie et des approches efficientes. Ces EcLP se définissent comme un fournisseur public d’un centre de distribution qui offre des services d’entrepôts et de transport. Ils réduisent ainsi les problèmes de logistique des entreprises et des fournisseurs. Il s’agit d’un système de ressources mutualisées ou partagées qui permet de réduire les frais liés à la logistique en ne payant que pour les services dont les entreprises ou les fournisseurs ont besoin (Leung et al., 2018).

L’architecture proposée est chargée de développer un calendrier dynamique (PCL). Le PCL contient 4 agents : Travail, optimisation, ressources, mobiles. L’architecture des flux de données permet d’obtenir un déroulement du processus en 6 étapes.

Le CLA est responsable du développement de la comunication entre les agents (PCL, fournisseurs, clients. Il est composé d’agents clients et fournisseurs.

Cet article a permis de montrer une nouvelle architecture d’ordonnancement dynamique avec en contrôle en temps réel basé sur une technologie multi-agents ce qui permet de combler les problèmes existants liés aux parcs logistiques dans le commerce électronique. Les avantages prédominants de ce système sont : la réduction du temps de traitement, amélioration du débit en réduisant la distance totale sur le système et amélioration de l’utilisation des machines, c’est-à-dire une amélioration du processus de maintenance des machines.

 

References

Alawneh, F., Zhang, G., 2018. Dual-channel warehouse and inventory management with stochastic demand. Transp. Res. Part E: Log. Transp. Rev. 112, 84–106. Angal, B., 2008. Developing logistics real estate in ports worldwide. Prologis 1–41.
Ardjmand, E., Bajgiran, O.S., Rahman, S., Weckman, G.R., Young, W.A., 2018. A multi-objective model for order cartonization and fulfillment center assignment in the

e-tail/retail industry. Transp. Res. Part E: Log. Transp. Rev. 115, 16–34.
Azadian, F., Murat, A.E., Chinnam, R.B., 2012. Dynamic routing of time-sensitive air cargo using real-time information. Transp. Res. Part E: Log. Transp. Rev. 48,

355–372.
Barenji, A.V., Barenji, R.V., Hashemipour, M., 2016. Flexible testing platform for employment of RFID-enabled multi-agent system on flexible assembly line. Adv. Eng.

Softw. 91, 1–11.
Barenji, A.V., Barenji, R.V., Roudi, D., Hashemipour, M., 2017. A dynamic multi-agent-based scheduling approach for SMEs. Int. J. Adv. Manuf. Technol. 89,

3123–3137.
Bask, A., Merisalo-Rantanen, H., Tuunanen, T., 2014. Developing a modular service architecture for E-store supply chains: the small-and medium-sized enterprise

perspective. Serv. Sci. 6, 251–273.
Burt, S., Sparks, L., 2003. E-commerce and the retail process: a review. J. Retail. Consum. Serv. 10, 275–286.
Dou, J., Chen, C., Yang, P., 2015. Genetic scheduling and reinforcement learning in multirobot systems for intelligent warehouses. Math. Probl. Eng. 2015.
Geerts, G.L., McCarthy, W.E., 2002. An ontological analysis of the economic primitives of the extended-REA enterprise information architecture. Int. J. Acc. Inform.

Syst. 3, 1–16.
Ghavamifar, A., Makui, A., Taleizadeh, A.A., 2018. Designing a resilient competitive supply chain network under disruption risks: a real-world application. Transp.

Res. Part E: Log. Transp. Rev. 115, 87–109.
Group, A., 2016. History of Alibaba Group [Online]. Alibaba Group. 2016. < http://www.alibabagroup.com/en/about/history > (accessed 16.3.2015). Gunasekaran, A., Subramanian, N., Papadopoulos, T., 2017. Information technology for competitive advantage within logistics and supply chains: a review. Transp.

Res. Part E: Log. Transp. Rev. 99, 14–33.
Hong, Z., Wang, H., Yu, Y., 2018. Green product pricing with non-green product reference. Transp. Res. Part E: Log. Transp. Rev. 115, 1–15.
Hou, Y., Wang, X., Wu, Y.J., He, P., 2018. How does the trust affect the topology of supply chain network and its resilience? An agent-based approach. Transp. Res. Part

E: Log. Transp. Rev. 116, 229–241.
Hu, K.-Y., Chang, T.-S., 2010. An innovative automated storage and retrieval system for B2C e-commerce logistics. Int. J. Adv. Manuf. Technol. 48, 297–305. Jedermann, R., Behrens, C., Westphal, D., Lang, W., 2006. Applying autonomous sensor systems in logistics—Combining sensor networks, RFIDs and software agents.

Sens. Actuat. A Phys. 132, 370–375.
Joong-Kun Cho, J., Ozment, J., Sink, H., 2008. Logistics capability, logistics outsourcing and firm performance in an e-commerce market. Int. J. Phys. Distrib. Log.

Manage. 38, 336–359.
Julka, N., Srinivasan, R., Karimi, I., 2002. Agent-based supply chain management—1: framework. Comput. Chem. Eng. 26, 1755–1769.
Jung, J.C., Ugboma, M.A., Liow, A.K., 2015. Does Alibaba’s magic work outside China? Thund. Int. Bus. Rev. 57, 505–518.
Kong, X., Li, M., Yu, Y., Zhao, Z., Huang, G.Q., 2017. Physical internet-enabled E-commerce logistics park platform. In: 2017 13th IEEE Conference on Automation

Science and Engineering (CASE). IEEE, pp. 406–411.
Korper, S., Ellis, J., 2000. The E-commerce Book: Building the E-empire. Elsevier.
Lambert, D.M., Stock, J.R., Ellram, L.M., 1998. Fundamentals of Logistics Management. McGraw-Hill/Irwin.
Lekovic, S., Milicevic, N., 2013. The Importance and Characteristics of Logistics in Electronic Commerce. Belgrade.
Leung, K., Choy, K., Siu, P.K., Ho, G., Lam, H., Lee, C.K., 2018. A B2C e-commerce intelligent system for re-engineering the e-order fulfilment process. Exp. Syst. Appl.

30

A.V. Barenji, et al. Transportation Research Part E 126 (2019) 15–31

91, 386–401.
Li, X., Zhang, C., Gao, L., Li, W., Shao, X., 2010. An agent-based approach for integrated process planning and scheduling. Exp. Syst. Appl. 37, 1256–1264.
Li, Z., Barenji, A.V., Jiang, J., Zhong, R.Y., Xu, G., 2018. A mechanism for scheduling multi robot intelligent warehouse system face with dynamic demand. J. Intell.

Manuf. 1–12.
Li, Z., Zhong, R.Y., Barenji, A.V., Liu, J., Yu, C., Huang, G.Q., 2019. Bi-objective hybrid flow shop scheduling with common due date. Oper. Res. Int. J. 1–26.
Liu, X., Wen, K., Xu, Y., Yu, G., 2017. Non-linear behavior of supply chains under chaos environment with disruptions: based on coupled map lattices. Intell. Decis.

Technol. 11, 399–414.
Liu, X., Zhang, K., Chen, B., Zhou, J., Miao, L., 2018. Analysis of logistics service supply chain for the One Belt and One Road initiative of China. Transp. Res. Part E:

Log. Transp. Rev. 117, 23–39.
Liu, Y.J., 2014. Study of logistics park planning and design based on E-commerce platform. Appl. Mech. Mater. 907–910 Trans Tech Publ.
Mangiaracina, R., Marchet, G., Perotti, S., Tumino, A., 2015. A review of the environmental implications of B2C e-commerce: a logistics perspective. Int. J. Phys.

Distrib. Log. Manage. 45, 565–591.
Manupati, V.K., Putnik, G.D., Tiwari, M.K., Ávila, P., Cruz-Cunha, M.M., 2016. Integration of process planning and scheduling using mobile-agent based approach in a

networked manufacturing environment. Comput. Ind. Eng. 94, 63–73.
Merschformann, M., Lamballais, T., de Koster, R., Suhl, L., 2018. Decision Rules for Robotic Mobile Fulfillment Systems. arXiv preprint arXiv:1801.06703.
Mofidi, S.S., Pazour, J.A., Roy, D., 2018. Proactive vs. reactive order-fulfillment resource allocation for sea-based logistics. Transp. Res. Part E: Log. Transp. Rev. 114,

66–84.
Moyaux, T., Chaib-Draa, B., D’amours, S., 2006. Supply chain management and multiagent systems: an overview. Multiagent Based Supply Chain Management.

Springer.
Ngai, E.W., Wat, F., 2002. A literature review and classification of electronic commerce research. Inform. Manage. 39, 415–429.
Pan, A., Choi, T.-M., 2016. An agent-based negotiation model on price and delivery date in a fashion supply chain. Ann. Oper. Res. 242, 529–557.
Qiu, X., Luo, H., Xu, G., Zhong, R., Huang, G.Q., 2015. Physical assets and service sharing for IoT-enabled Supply Hub in Industrial Park (SHIP). Int. J. Prod. Econ. 159,

4–15.
Qu, T., Pan, Y., Liu, X., Kang, K., Li, C., Thurer, M., Huang, G.Q., 2017. Internet of Things-based real-time production logistics synchronization mechanism and method

toward customer order dynamics. Trans. Inst. Meas. Control 39, 429–445.
Ratnasingam, P., 2003. Inter-organizational-trust in business to business e-commerce: a case study in customs clearance. J. Glob. Inform. Manage. (JGIM) 11, 1–19. Rimienė, K., Grundey, D., 2007. Logistics centre concept through evolution and definition. Eng. Econ. 54.
Roy, D., De Koster, M., 2014. Modeling and Design of Container Terminal Operations.
Ruan, J., Shi, Y., 2016. Monitoring and assessing fruit freshness in IOT-based e-commerce delivery using scenario analysis and interval number approaches. Inf. Sci.

373, 557–570.
Serrano-Hernandez, A., Faulin, J., Hirsch, P., Fikar, C., 2018. Agent-based simulation for horizontal cooperation in logistics and transportation: from the individual to

the grand coalition. Simul. Model. Pract. Theory 85, 47–59.
Shang, X., Zhang, R., Chen, Y., 2012. Internet of things (IoT) service architecture and its application in e-commerce. J. Electr. Comm. Org. (JECO) 10, 44–55. Shao, X., Li, X., Gao, L., Zhang, C., 2009. Integration of process planning and scheduling—a modified genetic algorithm-based approach. Comput. Oper. Res. 36,

2082–2096.
Shaygan, A., Barenji, R.V., 2016. Simulation Platform for Multi Agent Based Manufacturing Control System Based on The Hybrid Agent. arXiv preprint arXiv:1603.

07766.
Stanford-Smith, B., Kidd, P.T., 2000. E-business: Key Issues, Applications and Technologies. IOS press.
Šulgan, M., 2006. Logistics park development in Slovak Republic. Transport 21, 197–200.
Tarimoradi, M., Zarandi, M.F., Zaman, H., Turksan, I., 2017. Evolutionary fuzzy intelligent system for multi-objective supply chain network designs: an agent-based

optimization state of the art. J. Intell. Manuf. 28, 1551–1579.
Torabi, S., Hassini, E., Jeihoonian, M., 2015. Fulfillment source allocation, inventory transshipment, and customer order transfer in e-tailing. Transp. Res. Part E: Log.

Transp. Rev. 79, 128–144.
Trkman, P., McCormack, K., 2009. Supply chain risk in turbulent environments—a conceptual model for managing supply chain network risk. Int. J. Prod. Econ. 119,

247–258.
Turban, E., Outland, J., King, D., Lee, J.K., Liang, T.-P., Turban, D.C., 2018. Order fulfillment along the supply chain in e-commerce. Electronic Commerce 2018.

Springer.
van der Heide, G., Buijs, P., Roodbergen, K., Vis, I., 2018. Dynamic shipments of inventories in shared warehouse and transportation networks. Transp. Res. Part E:

Log. Transp. Rev. 118, 240–257.
Vatankhah Barenji, A., Vatankhah Barenji, R., 2017. Improving multi-agent manufacturing control system by indirect communication based on ant agents. Proc. Instit.

Mech. Eng. Part I: J. Syst. Contr. Eng. 231, 447–458.
Wang, H., Tan, J., Guo, S., Wang, S., 2018. High-value transportation disruption risk management: shipment insurance with declared value. Transp. Res. Part E: Log.

Transp. Rev. 109, 293–310.
Wang, X., Zhan, L., Ruan, J., Zhang, J., 2014. How to choose “last mile” delivery modes for E-fulfillment. Math. Probl. Eng. 2014.
Wong, P.-K., 2003. Global and national factors affecting e-commerce diffusion in Singapore. Inform. Soc. 19, 19–32.
Yang, B., Chen, Y.A., 2018. Evolution model and simulation of logistics outsourcing for manufacturing enterprises based on multi-agent modeling. Clust. Comput. 1–9. Yang, C., Taudes, A., Deng, A., Chen, L., Tian, F., 2015. Research on logistics parks: literature review and outlook. LISS 2013. Springer.
Yu, Y., Wang, X., Zhong, R.Y., Huang, G., 2017. E-commerce logistics in supply chain management: implementations and future perspective in furniture industry. Ind.

Manage. Data Syst. 117, 2263–2286.
Yu, Y., Wang, X., Zhong, R.Y., Huang, G.Q., 2016. E-commerce logistics in supply chain management: practice perspective. Proc. CIRP 52, 179–185.
Zhang, M., Fu, Y., Zhao, Z., Pratap, S., Huang, G.Q., 2018. Game theoretic analysis of horizontal carrier coordination with revenue sharing in E-commerce logistics. Int.

  1. Prod. Res. 1–28.
    Zhou, G., Xiao, Z., Jiang, P., Huang, G.Q., 2010. A game-theoretic approach to generating optimal process plans of multiple jobs in networked manufacturing. Int. J.

Comput. Integr. Manuf. 23, 1118–1132.

Innovative solutions to increase last-mile delivery efficiency in B2C e-commerce: a literature review

Mangiaracina, R., Perego, A., Seghezzi, A., & Tumino, A. (2019). Innovative solutions to increase last-mile delivery efficiency in B2C e-commerce: a literature review. International Journal of Physical Distribution & Logistics Management.

Mots-clefs : B2C E-commerce, Innovation, Efficiency, Last mile delivery

Cet article traite sur l’efficacité de la livraison à domicile dans le cadre du commerce électronique BtoC.

Le commerce électronique BtoC pose 13 nouveaux défis. Il représentait 2500 milliards d’euros dans le monde.

La livraison du dernier kilomètre est la partie la plus onéreuse du service de livraison et la plus complexe à mettre en place. Plusieurs facteurs sont mis en corrélation avec l’efficacité de la livraison à domicile, notamment la vitesse de livraison (Savelsbergh et Van Woensel, 2016), les délais de livraison (Fernie et al., 2010), la ponctualité (Hays et al., 2005) et enfin la sécurité (McKinnon et Tallam, 2003).

La livraison du dernier kilomètre peut se scinder en 2 catégories de produits : le premier traite de l’optimisation de la livraison au domicile (traditionnel) ainsi que les différents problèmes liés au « Véhicle routing problem » (par exemple Geetha et al., 2013). Le VRP permet de dresser la route optimale pour livrer plusieurs colis sur différentes destinations.

La deuxième catégorie de produits repose sur l’innovation de cette efficacité concernant la livraison du dernier kilomètre avec l’exemple du drone qui permettent d’éviter certains problèmes plus traditionnels. Parmi ces solutions innovantes, nous retrouvons les consignes à colis (Iwan et al., 2016), la logistique par crowdsourcing (Wang et al., 2016), les boîtes de réception et les points de retrait (Kedia et al., 2017) et enfin les politiques de tarification dynamique (Klein et al., 2017). Ranieri et al. (2018) ont mis en lumière les différentes externalités qui peuvent se produire lors de la livraison du dernier kilomètre notamment dans une logique de durabilité environnementale.

Le double objectif est d’identifié les principales solutions innovantes ainsi que la compréhension de la réduction des coûts de la livraison du dernier kilomètre.

Quels sont les facteurs principaux qui impact la livraison du dernier kilomètre ? et Quelles sont les innovations qui ont un impact positif sur ces facteurs et qui permettent de ce fait une réduction des coûts de la livraison du dernier kilomètre ?

Des critères de sélection ont été appliqués dans le choix de la littérature (75 articles). Cette littérature provient de revues scientifiques, logistiques, spécifique au transport, conférences.

Afin de répondre à la première question, il est important de savoir comment est calculé le coût de la livraison du dernier kilomètre (d’une seul colis livré) : le coût moyen du transport, le coût du conducteur et le coût d’opportunité.

Le coût moyen de transport (Reyes et al., 2017) par kilomètre comprend les coûts variables des ressources utilisées (carburant par ex) avec l’affectation des coûts fixes et semi-fixes (entretien, taxes, assurances) sur un kilomètre effectué. Ce coût moyen dépend donc de la consommation de ressources et du moyen de transport de la part des coûts de transport (Dorling et al., 2017).

Le prix du conducteur quant à lui dépend de plusieurs composants : le tarif horaire du conducteur (Kafle et al., 2017). Dans ce tarif horaire, nous retrouvons plusieurs facteurs : le délai de livraison (Wen et Li, 2016) lié à la livraison physique du produit, le temps de résolution des problèmes (Dorling et al., 2017) qui peut se traduire par du trafic ou encore mettre un bon de passage dans une boîte aux lettres en cas d’échec de la livraison et enfin le temps de déplacement (Giuffrida et al., 2012) jusqu’au point de livraison.

Le coût pour une livraison ratée est assez conséquent puisqu’il est très variable en fonction de la perte possible du client, des marges sur coûts variables à la fois sur les ventes perdues.

Le lieu de livraison correspond au principal facteur d’insatisfaction chez les clients.

Parmi les solutions innovantes mises en place pour accroitre l’efficacité de la livraison du dernier kilomètre, nous retrouvons :

-Les boites de réception qui sont installées directement chez les clients et évitent la probabilité d’échec de la livraison (Wang et al., 2014).

-Casiers à colis directement chez un prestataire de services logistiques. Les client peuvent ainsi récupérer leurs colis à l’aide d’un mot de passe unique ou d’un QR code. Il a un impact sur la probabilité d’échec de la livraison, la densité de la clientèle mais également la distance domicile-livraison qui accentue la contrainte pour le client de se déplacer sur le lieu du casier (Chen et al., 2018).

-Point de retrait : comparable aux consignes à colis avec les mêmes impacts. La différence s’effectue puisqu’il n’y a pas d’automatisation de la livraison (kiosque ou magasin généralement).

-La logistique de crowdsourcing qui consiste à externaliser la livraison du dernier kilomètre à un réseau de personnes « communes » (Carbone et al., 2017). Dans la plupart des cas, ces personnes doivent faire le même trajet, il en profite donc pour effectuer la livraison. Cela peut être fait gratuitement ou sous forme de compensation (Wang et al., 2016) (Devari et al., 2017).

-Les drones : à l’aide d’un GPS intégré, ils peuvent livrer des colis de tailles moyennes. De manière quasi autonome. Divers impacts liés à cette utilisation, consommation de ressources (pas de carburant), densité de la clientèle (peu de clients lors d’une tournée de livraison de 1 à 4 généralement) (Dorling et al., 2017).

-Coffre : les colis sont livrés directement dans le coffre des clients.

-Tarification dynamique : Les prix changent en fonction de l’optimisation des livraisons. De ce fait, le client fait le choix d’un prix attractif ou non. Cette tarification varie à chaque fois qu’une commande est émise. Les différents impacts se retrouvent principalement sur la faible probabilité d’échec de la livraison, la densité de la clientèle. Une politique de tarification mesurée permet d’influencer le choix des clients en recherche de prix bas et donc choisir des créneaux horaires plus adaptés à la livraison (Asdemir et al., 2009).

-Cartographie du comportement client : Selon l’exploitation des données des clients, ceux-ci peuvent déterminer les présences horaires des clients potentiels et ainsi adapter les créneaux de livraison. Cela permet d’éviter les livraisons ratées.

-Livraisons souterraines : des capsules contiennent des colis dans un système de canalisation souterrain ce qui implique peu de trafic, peu de consommation de ressources ou encore l’automatisation du transport.

-Les robots : véhicules autopilotés qui livrent les clients sur des trajectoires déterminées. Automatisation, peu de ressources, densité clients limitée.

Certaines solutions ne sont pas viables pour des livraisons spécifiques telles que pour les produits à gros volume ou encore l’épicerie en ligne à travers les conditions de stockage, la périssabilité et la fragilité des produits.

References (problèmes avec certaines références)

options”, European Journal of Operational Research, Vol. 196 No. 1, pp. 246-257. 22

Akeb, H., Moncef, B., and Durand, B. (2018), “Building a collaborative solution in dense urban city settings to enhance parcel delivery: An effective crowd model in Paris”, Transportation Research Part E: Logistics and Transportation Review, Vol. 119, pp. 223-233.

Asdemir, K., Jacob, V. S., and Krishnan, R. (2009), “Dynamic pricing of multiple home delivery Bertram, R. F., and Chi, T. (2018), “A study of companies’ business responses to fashion e- commerce’s environmental impact”, International Journal of Fashion Design, Technology and
supply chain operations and home delivery”, Integrated Manufacturing Systems, Vol. 14 No. 8, pp. 34

Education, Vol. 11 No. 2, pp. 254-264.

Borsenberger, C., Cremer, H., De Donder, P., and Joram, D. (2016), “Differentiated pricing of delivery services in the e-commerce sector”, in Crew M. and Brennan T. (Ed), The Future of the Postal Sector in a Digital World, Springer, Heidelberg, pp. 191-211.

Boyer, K., K., Hult, G., T. and Frohlich, M. (2003), “An exploratory analysis of extended grocery

652-663.
42 truck-based autonomous robots”, European Journal of Operational Research. 43

Boyer, K.K., Prud’homme, A.M., and Chung, W. (2009), “The Last Mile Challenge: Evaluating the Effects of Customer Density and Delivery Window Patterns”, Journal of Business Logistics, Vol. 30 No. 1, pp. 185-201.

Boysen, N., Schwerdfeger, S., and Weidinger, F. (2018), “Scheduling last-mile deliveries with Carbone, V., Rouquet, A., and Roussat, C. (2017), “The Rise of Crowd Logistics: A New Way to  Co‐Create Logistics Value”, Journal of Business Logistics, Vol.38 No.4, pp. 238-252.

Chen C. and Pan S. (2016), “Using the Crowd of Taxis to Last Mile Delivery in E-Commerce: a 48

methodological research” in Borangiu T., Trentesaux D., Thomas A. and McFarlane D. (Ed.), Service Orientation in Holonic and Multi-Agent Manufacturing. Springer, Cham, Berlin, pp. 61-70.

Chen, Y., Yu, J., Yang, S., & Wei, J. (2018), “Consumer’s intention to use self-service parcel delivery service in online retailing: An empirical study”, Internet Research, Vol.28 No.2, pp. 500-

Cherrett, T., Dickinson, J., McLeod, F., Sit, J., Bailey, G., and Whittle, G. (2017), “Logistics impacts of student online shopping–Evaluating delivery consolidation to halls of residence”, Transportation Research Part C: Emerging Technologies, Vol. 78, pp. 111-128.

Chou, P. F., and Lu, C. S. (2009), “Assessing service quality, switching costs and customer loyalty in home‐delivery services in Taiwan”, Transport Reviews, Vol. 29 No.6, pp. 741-758.

Devari, A., Nikolaev, A. G., and He, Q. (2017), “Crowdsourcing the last mile delivery of online orders by exploiting the social networks of retail store customers”, Transportation Research Part E: Logistics and Transportation Review, Vol. 105, pp. 105-122.

Dorling, K., Heinrichs, J., Messier, G. G., and Magierowski, S. (2017), “Vehicle routing problems for drone delivery”, IEEE Transactions on Systems, Man, and Cybernetics: Systems, Vol. 47 No. 1, pp. 70-85.

Fernie, J., Sparks, L. and McKinnon, A. C. (2010), “Retail logistics in the UK: past, present and future. International Journal of Retail & Distribution Management”, Vol. 38 No. 11/12, pp. 894-914.

Geetha, S., Poonthalir, G., & Vanathi, P. T. (2013), “Nested particle swarm optimisation for multi-depot vehicle routing problem”, International Journal of Operational Research, Vol. 16 No.3, pp. 329-348.

Giuffrida, M., Mangiaracina, R., and Tumino, A. (2012), “Home Delivery vs Parcel Lockers: an economic and environmental assessment”, in Proceedings of XXI Summer School “Francesco Turco” – Industrial Systems Engineering, Palermo, pp. 225-230.

Ha, Q. M., Deville, Y., Pham, Q. D., and Hà, M. H. (2018), “On the min-cost traveling salesman problem with drone”, Transportation Research Part C: Emerging Technologies, Vol. 86, pp. 597- 621.

Haque, M. R., Muhammad, M., Swarnaker, D., and Arifuzzaman, M. (2014, April), “Autonomous quadcopter for product home delivery”, in Electrical Engineering and Information & Communication Technology (ICEEICT), 2014 International Conference, IEEE , Dhaka, pp. 1-5.

Hays, T., P. Keskinocak, and V. M. De López. (2005), “Strategies and challenges of internet grocery retailing logistics”, Geunes, J., Akçali E., Pardalos, P.M., Romeijn, ZJ.M. and Shen, H.E. (Ed.), Applications of Supply Chain Management and E-Commerce Research, Springer US, Boston, MA, pp. 217-252.

Hu, K. Y., and Chang, T. S. (2010), “An innovative automated storage and retrieval system for B2C e-commerce logistics”, The International Journal of Advanced Manufacturing Technology, Vol. 48 No. 1-4, pp. 297-305.

Iwan, S., Kijewska, K., and Lemke, J. (2016), “Analysis of parcel lockers’ efficiency as the last mile delivery solution–the results of the research in Poland”, Transportation Research Procedia, Vol. 12, pp. 644-655.

Kafle, N., Zou, B., and Lin, J. (2017), “Design and modeling of a crowdsource-enabled system for urban parcel relay and delivery”, Transportation research part B: methodological, Vol. 99, pp. 62-82.

Kedia, A., Kusumastuti, D., and Nicholson, A. (2017), “Acceptability of collection and delivery points from consumers’ perspective: A qualitative case study of Christchurch city”, Case Studies on Transport Policy, Vol. 5 No. 4, pp. 587-595.

International Journal of Physical Distribution & Logistics Management Page 22 of 29

1 2

34 Klein, R., Mackert, J., Neugebauer, M., and Steinhardt, C. (2017), “A model-based approximation

  1. 5  of opportunity cost for dynamic pricing in attended home delivery”, OR Spectrum, Vol. 40 No. 4, pp.
  2. 6  969–996.

Kundu, A., and Matis, T. I. (2017), “A delivery time reduction heuristic using drones under windy

Lim, S. F. W., Jin, X., and Srai, J. S. (2018), “Consumer-driven e-commerce: A literature review, design framework, and research agenda on last-mile logistics models”, International Journal of Physical Distribution and Logistics Management, Vol. 48 No. 3, pp. 308-332.

Lin, C. C., and Yu, C. S. (2006), “A heuristic algorithm for the three-dimensional container packing problem with zero unloading cost constraint”, in Systems, Man and Cybernetics, 2006

Lu, W., McFarlane, D., Giannikas, V., and Zhang, Q. (2016), “An algorithm for dynamic order- picking in warehouse operations”, European Journal of Operational Research, Vol. 248 No.1, pp. 107-122.

Macioszek, E. (2017), “First and Last Mile Delivery–Problems and Issues”, in Scientific And Technical Conference Transport Systems Theory And Practice, Springer, Cham, Katowice, pp. 147-

Mangiaracina R., Song G., Perego A. (2015), “Distribution network design: a literature review

45 No.5, pp. 506-531.

McKinnon, A.C., and Tallam, D. (2003) “Unattended delivery to the home: an assessment of the

Mangiaracina, R., Perego, A., Perotti, S., and Tumino, A. (2016), “Assessing the environmental impact of logistics in online and offline B2C purchasing processes in the apparel industry”, International Journal of Logistics Systems and Management, Vol. 23 No. 1, pp. 98- 124.

  1. 30 – 41.
    Meixell, M.J. and Norbis, M. (2008), “A review of the transportation mode choice and carrier

selection literature”, International Journal of Logistics Management, Vol. 19 No, 2, pp. 183-211. Miemczyk, J., Johnsen, T.E. and Macquet, M. (2012), “Sustainable purchasing and supply

management: a structured literature review of definitions and measures at the dyad, chain and network Murray, C. C., and Chu, A. G. (2015), “The flying sidekick traveling salesman problem:

Technologies, Vol. 54, pp. 86-109.

Osservatorio eCommerce B2c (2018), “eCommerce B2c: cresce il mercato, ma aumenta il

de Oliveira, L. K., Morganti, E., Dablanc, L., and de Oliveira, R. L. M. (2017), “Analysis of the potential demand of automated delivery stations for e-commerce deliveries in Belo Horizonte, Brazil”, Research in Transportation Economics, Vol. 65, pp. 34-43.

6 pp. 1917-1933.or delivery box?”, International Journal of Physical Distribution & Logistics Management, Vol. 31 10

Innovations in an Externalities Cost Reduction Vision”, Sustainability, Vol. 10 No. 3, pp. 782.

Savelsbergh, M., and Van Woensel, T. (2016), “50th anniversary invited article—City Logistics:

scientific conference Business Logistics in Modern Management, Osijek, pp. 111–130.
small- to-medium sized corporate eco-friendly initiatives”, International Journal of Logistics Systems 36

International Journal of Management Review, Vol. 9 No. 1, pp. 53-80.
Transportation Research Procedia, Vol. 4, pp. 361-373.
for E-fulfillment”, Mathematical Problems in Engineering.

 

Pan, S., Giannikas, V., Han, Y., Grover-Silva, E., and Qiao, B. (2017), “Using customer- related 5 data to enhance e-grocery home delivery”, Industrial Management & Data Systems, Vol. 117 No. 9,

Punakivi, M., Yrjölä, H., and Holmström, J. (2001), “Solving the last mile issue: reception box

No. 6, pp. 427-439.

Qi, W., Li, L., Liu, S., and Shen, Z. J. M. (2018), “Shared Mobility for Last-Mile Delivery: Design, Operational Prescriptions, and Environmental Impact”, Manufacturing & Service Operations Management, Vol. 20 No. 4, pp. 737-751.

Ranieri, L., Digiesi, S., Silvestri, B., and Roccotelli, M. (2018), “A Review of Last Mile Logistics Reyes, D., Savelsbergh, M., and Toriello, A. (2017), “Vehicle routing with roaming delivery

locations”, Transportation Research Part C: Emerging Technologies, Vol. 80, pp. 71-91. Challenges and Opportunities”, Transportation Science, Vol. 50 No. 2, pp. 579-590.

Shani, A. B. R. (2017), “Knowledge and practice: A historical perspective on collaborative management research”, In Jean M. Bartunek & Jane Mckenzie (Eds.), Academic–practitioner relationships, London: Routledge, Taylor & Francis, pp. 39– 56.

Slabinac, M. (2015), “Innovative solutions for a last-mile delivery”, in 15th international Smith, A.D. (2012), “Green manufacturing in the packaging and materials industry: case study of

and Management, Vol. 11, No. 4, pp. 429–449.

Srivastava, S.K. (2007), “Green supply chain management: a state-of-the-art literature review”,

Song, L., Wang, J., Liu, C., and Bian, Q. (2016). “Quantifying benefits of alternative home delivery operations on transport in China”, in Control, Automation and Systems (ICCAS), 2016 16th International Conference on, IEEE, Gyeongju, pp. 810-815.

Vanelslander, T., Deketele, L., and Van Hove, D. (2013), “Commonly used e-commerce supply chains for fast moving consumer goods: comparison and suggestions for improvement”, International Journal of Logistics Research and Applications, Vol. 16 No. 3, pp. 243- 256.

Verlinde, S., Macharis, C., Milan, L., and Kin, B. (2014), “Does a mobile depot make urban deliveries faster, more sustainable and more economically viable: results of a pilot test in Brussels”,

Wang, X., Zhan, L., Ruan, J., and Zhang, J. (2014), “How to choose “last mile” delivery modes

Wang, Y., Zhang, D., Liu, Q., Shen, F., and Lee, L. H. (2016), “Towards enhancing the last-mile delivery: An effective crowd-tasking model with scalable solution”, Transportation Research Part E: Logistics and Transportation Review, Vol. 93, pp. 279-293.

Wang, X., Yuen, K. F., Wong, Y. D., & Teo, C. C. (2018), “An innovation diffusion perspective of e-consumers’ initial adoption of self-collection service via automated parcel station”, The International Journal of Logistics Management, Vol. 29 No.1, pp. 237-260.

Wen, J., and Li, Y. (2016, July), “Vehicle routing optimization of urban distribution with self- pick-up lockers”, in Logistics, Informatics and Service Sciences (LISS), 2016 International Conference, IEEE, Sydney , pp. 1-6.

Wowak, Kaitlin D., and Boone, Christopher A. (2015), “So many recalls, so little research: A review of the literature and road map for future research”, Journal of Supply Chain Management Vol. 51 No. 4, pp. 54-72.

Xing, Y., and Grant, D. B. (2006), “Developing a framework for measuring physical distribution service quality of multi-channel and “pure player” internet retailers”, International Journal of Retail & Distribution Management, Vol. 34 No. 4/5, pp. 278-289.

Yang, X., Strauss, A. K., Currie, C. S., and Eglese, R. (2014), “Choice-based demand management and vehicle routing in e-fulfillment”, Transportation science, Vol. 50 No.2, pp. 473- 488.

Ye, C. (2015, July), “Economic Research on the “Last Mile” in E-commerce Logistics System on the Basis of Time and Space”, in International Conference on Logistics Engineering, Management and Computer Science (LEMCS 2015). Atlantis Press.

Yuen, K. F., Wang, X., Ng, L. T. W., and Wong, Y. D. (2018), “An investigation of customers’ intention to use self-collection services for last-mile delivery”, Transport Policy, Vol. 66, pp. 1-8.

Industry 4.0 innovation ecosystems: An evolutionary perspective on value cocreation

Benitez, G. B., Ayala, N. F., & Frank, A. G. (2020). Industry 4.0 innovation ecosystems: An evolutionary perspective on value cocreation. International Journal of Production Economics228, 107735.

Mots-clés : Industrie 4.0, Écosystème d’innovation, Fournisseurs de technologie, PME

L’étude porte sur l’évolution de l’industrie 4.0 à travers la cartographie technologique de 87 entreprises, de 37 entretiens avec les parties prenantes et d’un suivi de 2,5 ans d’un projet de banc d’essai mené par 8 entreprises.

L’industrie 4.0 permet un réseau de systèmes technologies complexes interconnectés entre eux avec une complémentarité des compétences et des technologies (Dalenogare et al., 2018 ; Reischauer, 2018 ; Rübmann et al., 2015).

Le premier aspect structurel est le cycle de vie de l’écosystème.

L’évolution d’un écosystème d’innovation se traduit en 4 étapes (naissance, expansion leadership, mort) Moore (1993). La naissance se concentre sur la proposition de valeur de la part des acteurs suivi de l’expansion lorsque l’ecosystème s’attaque à de nouveaux niveaux de concurrence. Le leadership quant à lui est définit par la gouvernance de l’écosystème par les principaux producteurs. La mort survient quand l’écosystème est menacé par de nouveaux entrants sur un marché mature pouvant amener une certaine innovation.

L’industrie 4.0 n’échappe pas à ce cycle de vie des produits.

Le second aspect structurel des éconosytèmes d’innovation est la composition des éléments structurels nécessaires au maintien de l’écosystème. Selon Rong et al. (2015), il y a 6 dimensions principales interdépendantes appelées les 6C : Contexte, Configuration, Capabilité, Coopération, Construction et Changement.

Ces écosystèmes d’innovations sont déterminant pour cocréer de la valeur.

Selon l’auteur, la base de ces écosystèmes d’innovations ainsi que de l’industrie 4.0 doit provenir de la théorie de l’échange social à travers le partage de valeur mutuelle. L’industrie 4.0 comprend des technologies interconnectés entre elles (ERP, robot collaboratif, capteurs, etc.). Cette interdépendance des technologies est très couteuse et complexe à mettre en place. Il faut alors des connaissances dans différents domaines (gestion, logiciels, données, communication, etc.) (Frank, Daleno- gare et Ayala, 2019a).

Les PME n’ont malheureusement pas forcément les moyens d’intégrer étroitement ces dispositifs. Ainsi, dans la chaine d’approvisionnement il est difficile d’instaurer une collaboration réciproque donc une théorie de l’échange social. Pour y remédier, ces PME peuvent proposer des écosystèmes d’innovations liés à des intéractions sociales pour cocréer des solutions complexe de l’industrie 4.0.

En effet, sur les principes de la SET, l’un des principes fondamentaux est le renforcement de la confiance et de la loyauté au fil du temps.

A travers une étude qualitative, l’article démontre comment les éléments d’échange social sont présents et soutiennent la structure de l’écosystème Industrie 4.0.

L’étude a été effectuée au Brésil dans l’une des régions les plus industrialisées dans près de 120 PME rattachées à l’association commerciale. Ces entreprises proposes des solutions d’automatisation innovantes indispensables à l’industrie 4.0.

La collecte des données a été effectuées durant la phase d’expansion de l’industrie 4.0 en 2016.

References

Adner, R., 2017. Ecosystem as structure: an actionable construct for strategy. J. Manag. 43, 39–58. https://doi.org/10.1177/0149206316678451.

Adner, R., 2006. Match your innovation strategy to your innovation ecosystem match your innovation strategy to your innovation ecosystem. Harv. Bus. Rev. 84, 98.

Ayala, N.F., Paslauski, C.A., Ghezzi, A., Frank, A.G., 2017. Knowledge sharing dynamics in service suppliers’ involvement for servitization of manufacturing companies. Int. J. Prod. Econ. 193, 538–553. https://doi.org/10.1016/j.ijpe.2017.08.019.

Bardin, L., 1977. L’Analyse de Contenu. sl. Presses Universitaires de France.
Blau, P.M., 1964. Exchange and Power in Social Life. John Wiley & Sons, NY.
Brass, D.J., Galaskiewicz, J., Greve, H.R., Tsai, W., 2004. Taking stock of networks and organizations: a multilevel perspective. Acad. Manag. J. 47, 795–817. https://doi. org/10.2307/20159624.
Buhr, D., 2015. Social Innovation Policy for Industry 4.0. Friedrich-Ebert-Stiftung,

Division for Social and Economic Policies.
CNI – Confederaç~ao Nacional da Indústria, 2016. Industry 4.0: a New Challenge for

Brazilian Industry. Available at: https://bucket-gw-cni-static-cms-si.s3.amazonaws. com/media/filer_public/54/02/54021e9b-ed9e-4d87-a7e5-3b37399a9030/cha llenges_for_industry_40_in_brazil.pdf.

Cropanzano, R., Mitchell, M.S., 2005. Social exchange theory: an interdisciplinary review. J. Manag. 31, 874–900. https://doi.org/10.1177/0149206305279602.

Dalenogare, L.S., Benitez, G.B., Ayala, N.F., Frank, A.G., 2018. The expected contribution of Industry 4.0 technologies for industrial performance. Int. J. Prod. Econ. 204, 383–394. https://doi.org/10.1016/j.ijpe.2018.08.019.

Dallasega, P., Rauch, E., Linder, C., 2018. Industry 4.0 as an enabler of proximity for construction supply chains: a systematic literature review. Comput. Ind. 99, 205–225. https://doi.org/10.1016/j.compind.2018.03.039.

Dedehayir, O., M€akinen, S.J., Roland Ortt, J., 2018. Roles during innovation ecosystem genesis: a literature review. Technol. Forecast. Soc. Change 136, 18–29. https://doi. org/10.1016/j.techfore.2016.11.028.

Emerson, R.M., 1976. Social exchange theory. Annu. Rev. Sociol. 2, 335–362. https:// doi.org/10.1146/annurev.so.02.080176.002003.

Frank, A.G., Cortimiglia, M.N., Ribeiro, J.L.D., Oliveira, L.S. de, 2016. The effect of innovation activities on innovation outputs in the Brazilian industry: market- orientation vs. technology-acquisition strategies. Res. Policy 45, 577–592. https:// doi.org/10.1016/j.respol.2015.11.011.

Frank, A.G., Gerstlberger, W., Paslauski, C.A., Lerman, L.V., Ayala, N.F., 2018. The contribution of innovation policy criteria to the development of local renewable energy systems. Energy Pol. 115 https://doi.org/10.1016/j.enpol.2018.01.036.

Frank Dalenogare, L.S., Ayala, N.F., 2019a. Industry 4.0 technologies: implementation patterns in manufacturing companies. Int. J. Prod. Econ. 210, 15–26. https://doi. org/10.1016/j.ijpe.2019.01.004.

Frank Mendes, G.H.S., Ayala, N.F., Ghezzi, A., 2019b. Servitization and Industry 4.0 convergence in the digital transformation of product firms: a business model innovation perspective. Technol. Forecast. Soc. Change 141, 341–351. https://doi. org/10.1016/j.techfore.2019.01.014.

Gawer, A., Cusumano, M.A., 2014. Industry platforms and ecosystem innovation. J. Prod. Innovat. Manag. 31, 417–433. https://doi.org/10.1111/jpim.12105.

Gawer, A.A., Cusumano, M.A., 2002. Platform Leadership: How Intel, Microsoft, and Cisco Drive Industry Innovation. Harvard Business School Press, Boston, MA.

Goffin, K., Åhlstro€m, P., Bianchi, M., Richtn�er, A., 2019. Perspective: state-of-the-art: the quality of case study research in innovation management. J. Prod. Innovat. Manag. https://doi.org/10.1111/jpim.12492.

IBGE, 2015. Demografia das Empresas | IBGE ([WWW Document]).
Kagermann, H., Wahlster, W., Helbig, J., 2013. Recommendations for implementing the

strategic initiative INDUSTRIE 4.0. Final Rep. Ind. 4, 0 WG 82.
Kitzinger, J., 1994. The methodology of Focus Groups: the importance of interaction

between research participants. Sociol. Health Illness 16, 103–121. https://doi.org/

10.1111/1467-9566.ep11347023.
Liao, Y., Deschamps, F., Loures, E. de F.R., Ramos, L.F.P., 2017. Past, present and future

of Industry 4.0 – a systematic literature review and research agenda proposal. Int. J.

Prod. Res. 55, 3609–3629. https://doi.org/10.1080/00207543.2017.1308576. Lu, Y., 2017. Industry 4.0: a survey on technologies, applications and open research

issues. J. Ind. Inf. Integr. 6, 1–10. https://doi.org/10.1016/J.JII.2017.04.005. Lusch, R., Vargo, S., 2014. The Service-Dominant Logic of Marketing: Dialog, Debate, and Directions.
Marodin, G., Frank, A.G., Tortorella, G.L., Netland, T., 2018. Lean product development and lean manufacturing: testing moderation effects. Int. J. Prod. Econ. 203,

301–310. https://doi.org/10.1016/j.ijpe.2018.07.009.
Marodin, G.A., Tortorella, G.L., Frank, A.G., Godinho Filho, M., 2017. The moderating

effect of Lean supply chain management on the impact of Lean shop floor practices on quality and inventory. Supply Chain Manag.: Int. J. https://doi.org/10.1108/ SCM-10-2016-0350.

Moeuf, A., Pellerin, R., Lamouri, S., Tamayo-Giraldo, S., Barbaray, R., 2018. The industrial management of SMEs in the era of Industry 4.0. Int. J. Prod. Res. 56, 1118–1136. https://doi.org/10.1080/00207543.2017.1372647.

Moore, J.F., 1993. Predators and prey: a new ecology of competition. Harv. Bus. Rev. 71, 75–86.

Müller, J.M., Buliga, O., Voigt, K.-I., 2018. Fortune favors the prepared: how SMEs approach business model innovations in Industry 4.0. Technol. Forecast. Soc. Change 132, 2–17. https://doi.org/10.1016/j.techfore.2017.12.019.

Osterrieder, P., Budde, L., Friedli, T., 2019. The smart factory as a key construct of industry 4.0: a systematic literature review. Int. J. Prod. Econ. https://doi.org/ 10.1016/j.ijpe.2019.08.011.

Piccarozzi, M., Aquilani, B., Gatti, C., 2018. Industry 4.0 in management studies: a systematic literature review. Sustainability 10, 3821. https://doi.org/10.3390/ su10103821.

PINTEC, 2014. Pesquisa de Inovaç~ao – PINTEC | IBGE [WWW document]. Inovaç~ao – PINTEC, Pesqui.

PWC – PricewaterhouseCoopers, 2016. Industry 4.0: Building the Digital Enterprise. Reischauer, G., 2018. Industry 4.0 as policy-driven discourse to institutionalize

innovation systems in manufacturing. Technol. Forecast. Soc. Change 132, 26–33.

https://doi.org/10.1016/J.TECHFORE.2018.02.012.
Reynolds, E.B., Uygun, Y., 2017. Strengthening advanced manufacturing innovation ecosystems: the case of Massachusetts. Technol. Forecast. Soc. Change. https://doi.org/10.1016/j.techfore.2017.06.003.
Rong, K., Hu, G., Lin, Y., Shi, Y., Guo, L., 2015. Understanding business ecosystem using a 6C framework in Internet-of-Things-based sectors. Int. J. Prod. Econ. 159, 41–55.

https://doi.org/10.1016/j.ijpe.2014.09.003.
Rübmann, M., Lorenz, M., Gerbert, P., Waldner, M., Justus, J., Engel, P., Harnisch, M., 2015. Industry 4.0: the Future of Productivity and Growth in Manufacturing

Industries (Boston Consulting Group).
Russell, M.G., Smorodinskaya, N.V., 2018. Leveraging complexity for ecosystemic innovation. Technol. Forecast. Soc. Change 1–18. https://doi.org/10.1016/j. techfore.2017.11.024.
Schiele, H., Veldman, J., Hüttinger, L., Pulles, N., 2012. Towards a social exchange

theory perspective on preferred customership — concept and practice. In: Supply Management Research. Gabler Verlag, Wiesbaden, pp. 133–151. https://doi.org/ 10.1007/978-3-8349-3928-9_6.

Sklyar, A., Kowalkowski, C., Tronvoll, B., So€rhammar, D., 2019. Organizing for digital servitization: a service ecosystem perspective. J. Bus. Res. 104, 450–460. https:// doi.org/10.1016/j.jbusres.2019.02.012.

Sommer, L., 2015. Industrial revolution-industry 4.0: are German manufacturing SMEs the first victims of this revolution? J. Ind. Eng. Manag. 8, 1512–1532. https://doi. org/10.3926/jiem.1470.

Tanskanen, K., 2015. Who wins in a complex buyer-supplier relationship? A social exchange theory based dyadic study. Int. J. Oper. Prod. Manag. 35, 577–603. https://doi.org/10.1108/IJOPM-10-2012-0432.

Teece, D.J., Pisano, G., Shuen, A., 1997. Dynamic capabilities and strategic management. Strat. Manag. J. 18, 509–533. https://doi.org/10.1002/(SICI)1097-0266(199708) 18:7<509::AID-SMJ882>3.0.CO;2-Z.

Tsujimoto, M., Kajikawa, Y., Tomita, J., Matsumoto, Y., 2018. A review of the ecosystem concept — towards coherent ecosystem design. Technol. Forecast. Soc. Change 136, 49–58. https://doi.org/10.1016/j.techfore.2017.06.032.

Voss, C., Tsikriktsis, N., Frohlich, M., 2002. Case research in operations management. Int. J. Oper. Prod. Manag. 22, 195–219. https://doi.org/10.1108/01443570210414329.

Wang, L., Torngren, M., Onori, M., 2015. Current status and advancement of cyber- physical systems in manufacturing. J. Manuf. Syst. 37, 517–527. https://doi.org/ 10.1016/j.jmsy.2015.04.008.

Wu, I.-L., Chuang, C.-H., Hsu, C.-H., 2014. Information sharing and collaborative behaviors in enabling supply chain performance: a social exchange perspective. Int. J. Prod. Econ. 148, 122–132. https://doi.org/10.1016/j.ijpe.2013.09.016.

Xu, L. Da, Xu, E.L., Li, L., 2018. Industry 4.0: state of the art and future trends. Int. J. Prod. Res. 56, 2941–2962. https://doi.org/10.1080/00207543.2018.1444806.

Yin, R.K., 2009. Case Study Research: Design and Methods (Sage, Los Angeles. Cal). Yin, Y., Stecke, K.E., Li, D., 2018. The evolution of production systems from Industry 2.0 through Industry 4.0. Int. J. Prod. Res. 56, 848–861. https://doi.org/10.1080/ 00207543.2017.1403664.

Zhao, X., Huo, B., Flynn, B.B., Yeung, J.H.Y., 2008. The impact of power and relationship commitment on the integration between manufacturers and customers in a supply

chain. J. Oper. Manag. 26, 368–388. https://doi.org/10.1016/j.jom.2007.08.002. Zhong, R.Y., Xu, X., Klotz, E., Newman, S.T., 2017. Intelligent manufacturing in the context of industry 4.0: a review. Engineering 3, 616–630. https://doi.org/10.1016/ J.ENG.2017.05.015.

A review of the environmental implications of B2C e-commerce: a logistics perspective

Mangiaracina, R., Marchet, G., Perotti, S., & Tumino, A. (2015). A review of the environmental implications of B2C e-commerce: a logistics perspective. International Journal of Physical Distribution & Logistics Management.

Mots clefs : e-commerce, durabilité, logistique,

Cette revue traite de l’importance de la durabilité au sein des plateformes e-commerce (BtoC).

L’accélération du commerce électronique entre les entreprises et les consommateurs (BtoC) s’est considérablement développé. Ce succès est dû à plusieurs facteurs tels que la compétitivité des prix (Bruce et Daly, 2010), un gamme de produits plus large (Park et al., 2012) ainsi qu’une expérience client de qualité (Brugnoli et al., 2009).

Pour se faire, les entreprises doivent choisir la meilleure stratégie logistique afin d’adapter l’offre à la demande ainsi qu’un service premium concernant la gestion des retours (Wei et Zhou, 2011).

D’autre part, il existe des facteurs dit « systémiques » qui favorisent le commerce électronique Mangiaracina et al., 2012) tels que la protection des consommateurs, l’adoption de différents systèmes de paiement (Mangiaracina et Perego, 2009).

Du fait des préoccupations environnementales des dernières années,  la durabilité est devenue un facteur de différenciation pour les plateformes électroniques. Parmi les différentes définitions de la durabilité, la plus connue est celle de la Commission mondiale sur l’environnement et le développement « un développement qui répond aux besoins du présent sans compromettre la capacité des générations futures à répondre à leurs besoins.

L’approche de Triple Bottom Line propose 3 composants que doit détenir la durabilité : l’environnement naturel, la société et la performance économique et prendre en compte les personnes et la planète en plus du profit conduit à un résultat plus durable (Elkington, 1994 ; Colicchia et al., 2013 ; Marchet et al., 2014).

L’adoption de la durabilité peut se traduite par la mise en place d’une chaîne d’approvisionnement durable (Meixell et Luoma, 2015). La durabilité est considérée comme un avantage concurrentiel en offrant des valeurs durables et ce tout en permettant aux entreprises d’améliorer leurs opérations et leur croissance Hart et Milstein, 2003 ; Porter et Kramer, 2006).

Sur de la vente au détail, certains facteurs nécessaires à la fabrication et à la distribution des produits peuvent être sources d’une activité logistique environnementale durable liée à l’entreposage ou le transport de ces produits au sein de la chaîne d’approvisionnement (McKinnon et al., 2012).

Cette article s’intéresse également aux services interentreprises (BtoB) dans le cadre du commerce électronique qui n’est à ce jour que très peu documenté.

L’objectif principal est de déterminer l’implication environnementale des commerces électroniques en se concentrant sur les activités logistiques et de transports.

Pour cette étude 56 articles ont été pris en compte pour une étude approfondie. Ces articles sont issus de 38 revues scientifiques sur différents thèmes (environnement, logistique et transport, commerce électronique, etc.). Les résultats obtenus correspondre à l’essor du commerce électronique aux Etats-Unis, Japon, Royaume-Uni, Allemagne et Chine (les principaux marchés).

Certaines observations générales ont été relevées notamment sur liées à l’augmentation des camionnettes et des véhicules à carburant rejettent plus de CO2 que d’autres plus grand (avec l’expansion du commerce en ligne) (Allen et Browne, 2010). Dans un second temps,les livraisons ratées provoquent des effets supplémentaires dues à des trajets supplémentaires pour le retour des produits. Le mode de consommation indique que les acheteurs privilégient plusieurs sites interne pour l’achat de produit distinct, ce qui constitue une multitude de livraisons au même point. Un problème récurrent ressort également au sein d’un même détaillant qui possède plusieurs entrepôts, selon les commandes il peut y avoir des livraisons distinctes.

Les emballages sont très nocifs pour l’aspect environnemental. En effet, le commerce électronique BtoC a un impact nocif puisque les emballages concernent souvent quelques produits uniquement. Ils ne concernant pas un fort volume de produits par exemple (Borggren et al., 2011 ; Van Loon et al., 2014).

La conception du réseau de distribution constitue un facteur important dans la durabilité du commerce électronique BtoC. Les points de collecte permettent de limiter les déplacements des livreurs en un point centralisé ce qui réduit considérablement les distances totales de déplacement (par exemple, Taniguchi et Kakimoto, 2003 ; Weltevreden et Rotem-Mindali, 2009).

Des indicateurs ont été utilisées pour mesurer les impacts environnementaux : « utilisation de l’énergie », « émissions de gaz », « déchets générés » et « kilométrage du trafic ». Plus de 60% des articles étudiés font un comparatif entre l’achat en ligne et l’achat traditionnel.

En ce qui concerne le premier indicateur de la consommation d’énergie, les impacts du commerce électronique ont montrés que les effets environnementaux étaient moindres avec une hypothèse de 35% de taux de retour sur l’industrie du livre américaine et japonaise Matthews et al. (2001).

Pour le second indicateur lié à l’émission de gaz, les activités de transport est le plus souvent  analysé puisque l’on considère qu’il constitue la majorité des émissions dans le cadre de la durabilité (Edwards et al., 2010 ; Weber et al., 2010). En fonction des modes de livraisons, celles-ci peuvent s’avérer positives pour l’environnement comme négatives vis-à-vis des achats en magasin si le réseau de distribution n’est pas optimisé. Les invendus sont étroitement liés aux émissions puisqu’ils constituent des flux supplémentaires entre le magasin et les entrepôts (Matthews et al., 2001). Les retours créent également des flux supplémentaires, ils peuvent représenter jusqu’à 30% ce qui n’est pas négligeable pour mesurer la durabilité entre les deux modèles (traditionnel et e-commerce) (Wiese et al., 2012).

La production des déchets provient principalement des emballages pour l’éxécution et la livraison des produits dans le commerce électronique Matthews et al. (2001).

Enfin, certains articles relatent les « pratiques vertes » avec l’utilisation de système de transport alternatif par exemple (hybride, électrique) (González-Benito et González-Benito, 2006 ; Jumadi et Zailani, 2010 ; Lieb et Lieb, 2008). L’arrivée des drones par Amazon permettrait d’instaurer un système innovant concernant la livraison du dernier kilomètre.

Conclusion : Cette étude a permis de corroborer la littérature existante sur le fait que 4 domaines des opérations logistiques du commerce électronique BtoC avaient un impact sur l’environnement (entreposage, emballage, réseau de distribution et gestion du transport). Les 4 indicateurs utilisés ont été pour démontrer l’implication environnementale du commerce électronique BtoC (consommation d’énergie, émissions de gaz, les déchets et le kilométrage parcouru).

References

Abukhader, S.M. and Jönson, G. (2003), “The environmental implications of electronic commerce: a critical review and framework for future investigation”, Management of Environmental Quality: An International Journal, Vol. 14 No. 4, pp. 460-476.

Abukhader, S.M. and Jönson, G. (2004), “E-commerce and the environment: a gateway to the renewal of greening supply chains”, International Journal of Technology Management, Vol. 28 No. 2, pp. 274-288.

Abukhader, S.M. and Jönson, G. (2008), “Eco-efficiency in the era of electronic commerce – is there a need for adopting ‘eco-effectiveness’?”, Journal of Cleaner Production, Vol. 1 No. 7, pp. 801-808.

Allen, J. and Browne, M. (2010), “Vans and the economy”, project report, Commission for Integrated Transport.

Aronsson, H. and Brodin, M.H. (2006), “The environmental impact of changing logistics structures”, International Journal of Logistics Management, Vol. 17 No. 3, pp. 394-415.

Borggren, C., Moberg, A. and Finnvreden, G. (2011), “Books from an environmental perspective – part 1: environmental impacts of paper books sold in traditional and internet bookshops”, The International Journal of Life Cycle Assessment, Vol. 11 No. 2, pp. 138-147.

Bruce, G.M. and Daly, L. (2010), “Innovative process in e-commerce fashion supply chains”, in Edwin Cheng, T.C. and Tsan-Ming Choi (Eds), Innovative Quick Response Programs in Logistics and Supply Chain Management, Springer Berlin, Heidelberg, pp. 227-241.

Brugnoli, G., Mangiaracina, R. and Perego, A. (2009), “The ecommerce customer journey: a model to assess and compare the user experience of the ecommerce websites”, Journal of Internet Banking and Commerce, Vol. 14 No. 3, pp. 1‐11.

Cairns, S. (2005), “Delivering supermarket shopping: more or less traffic?”, Transport Reviews: A Transnational Transdisciplinary Journal, Vol. 25 No. 1, pp. 51-84.

Carrillo, J.E., Vakharia, A.J. and Wang, R. (2014), “Environmental implications for online retailing”, European Journal of Operational Research, Vol. 239 No.3, pp. 744-755.

Carter, C.R. and Rogers, D.S. (2008), “A framework of sustainable supply chain management: moving toward new theory”, International Journal of Physical Distribution & Logistics Management, Vol. 38 No. 5, pp. 360-387.

Carter, C.R., Kauffman, L. and Michel, A. (2007), “Behavioral supply management: a taxonomy of judgment and decision-making biases”, International Journal of Physical Distribution & Logistics Management, Vol. 37 No. 8, pp. 631-669.

Colicchia, C., Marchet, G., Melacini, M. and Perotti, S. (2013), “Building environmental sustainability: empirical evidence from logistics service providers”, Journal of Cleaner Production, Vol. 59, pp. 197-209.

Durand, B. and Gonzalez-Feliu, J.G. (2012), “Urban logistics and e-grocery: have proximity delivery services a positive impact on shopping trips?”, Procedia – Social and Behavioral Sciences, Vol. 39, pp. 510-520.

Edwards, J.B., McKinnon, A.C. and Cullinane, S.L. (2010), “Comparative analysis of the carbon footprints of conventional and online retailing: a ‘last mile’ perspective”, International Journal of Physical Distribution & Logistics Management, Vol. 40 No. 1, pp. 103-123.

Edwards, J.B., McKinnon, A.C. and Cullinane, S.L. (2011), “Comparative carbon auditing of conventional and online retail supply chains: a review of methodological issues”, Supply Chain Management: An International Journal, Vol. 16 No. 1, pp. 57-63.

Elkington, J. (1994), “Towards the sustainable corporation: win-win-win strategies for sustainable development”, California Management Review, Vol. 36, pp. 90-100.

Evans, P.F. and Camus, L. (2010), “Western European Online Retail Forecast, 2009-2014”, available at: www.forrester.com/Western+European+Online+Retail+Forecast+2009+To +2014/fulltext/-/E-RES56543 (accessed November 12, 2013).

Farag, S., Schwanen, T., Dijst, M. and Faber, J. (2007), “Shopping online and/or in-store? A structural equation model of the relationships between e-shopping and in-store shopping”, Transportation Research Part A: Policy and Practice, Vol. 41 No. 2, pp. 125-141.

Fitcher, K. (2002), “E-commerce, sorting out the environmental consequences”, Journal of Industrial Ecology, Vol. 6 No. 2, pp. 25-41.

Fulton, K. and Lee, S.E. (2013), “Assessing sustainable initiatives of apparel retailers on the internet”, Journal of Fashion Marketing and Management, Vol. 17 No. 3, pp. 353-366.

Gay, R.H., Davis, R.A., Phillis, D.T. and Sui, D.Z. (2005), “Modeling paradigm for the environmental impacts of the digital economy”, Journal of Organizational Computing and Electronic Commerce, Vol. 15 No. 1, pp. 61-82.

Ghadge, A., Dani, S. and Kalawsky, R. (2012), “Supply chain risk management: present and future scope”, International Journal of Logistics Management, Vol. 23 No. 3, pp. 313-339.

Ghezzi, A., Mangiaracina, R. and Perego, A. (2012), “Shaping the e-commerce logistics strategy: a decision framework”, International Journal of Engineering Business Management, Vol. 4 No. 13, pp. 1-13.

Golicic, S., Boerstler, C. and Ellram, L. (2010), “‘Greening’ transportation in the supply chain”, Sloan Management Review, Vol. 5 No. 2, pp. 47-55.

González-Benito, J. and González-Benito, O. (2006), “The role of stakeholder pressure and managerial values in the implementation of environmental logistics practices”, International Journal of Production Research, Vol. 44 No. 7, pp. 1353-1373.

Hart, S.L. and Milstein, M.B. (2003), “Creating sustainable value”, Academy of Management Perspectives, Vol. 17 No. 2, pp. 56-67.

Hesse, D. (2002), “Shipping news: the implications of electronic commerce for logistics and freight transport”, Resources, Conservation and Recycling, Vol. 36 No. 3, pp. 211-240.

Hossain, A. (2002), “E-commerce and sustainability: concepts, issues and experiences”, Pakistan Journal of Information and Technology, Vol. 1 No. 2, pp. 188-192.

Jumadi, H. and Zailani, S. (2010), “Integrating green innovations in logistics services towards logistics service sustainability: a conceptual paper”, Environmental Research Journal, Vol. 4 No. 4, pp. 261-271.

Kim, J., Xu, M., Kahhat, R., Allenby, B. and Williams, E. (2009), “Designing and assessing a sustainable networked delivery (SND) system: hybrid business-to-consumer book delivery case study”, Environmental Science & Technology, Vol. 43 No. 1, pp. 181-187.

Lenz, B. (2003), “Will electronic commerce help to reduce traffic in agglomeration areas?”, Transportation Research Record: Journal of the Transportation Research Board, Vol. 1858 No. 3, pp. 39-46.

Lieb, K.J. and Lieb, R.C. (2010), “Environmental sustainability in the third-party logistics (3PL) industry”, International Journal of Physical Distribution & Logistics Management, Vol. 40 No. 7, pp. 524-533.

Lieb, R.C. and Lieb, K.J. (2008), “The North American third-party logistics industry in 2008: the provider CEO perspective”, Transportation Journal, Vol. 49 No. 2, pp. 1-25.

Lim, H. and Shiode, N. (2011), “The impact of online shopping demand on physical distribution networks: a simulation approach”, International Journal of Physical Distribution & Logistics Management, Vol. 41 No. 8, pp. 732-749.

Lin, C.Y. and Ho, Y.H. (2008), “An empirical study on logistics service providers’ intention to adopt green innovations”, Journal of Technology Management and Innovation, Vol. 3 No. 1, pp. 17-26.

McKinnon, A., Browne, M. and Whiteing, A. (2012), Green Logistics: Improving the Environmental Sustainability of Logistics, Kogan Page, London.

McKinnon, A.C. (2010), “Product-level carbon auditing of supply chains (environmental imperative or wasteful distraction?)”, International Journal of Physical Distribution & Logistics Management, Vol. 40 Nos 1-2, pp. 42-60.

McLeod, F., Cherret, T. and Song, L. (2006), “Transport impacts of local collection/delivery points”, International Journal of Logistics Research and Applications: A Leading Journal of Supply Chain Management, Vol. 9 No. 3, pp. 307-317.

Mangiaracina, R. and Perego, A. (2009), “Payment systems in the B2c e-commerce: are they a barrier for the online customer?”, Journal of Internet Banking and Commerce, Vol. 14 No. 3, pp. 1-16.

Mangiaracina, R., Perego, A. and Campari, F. (2012), “Factors influencing B2c e-commerce diffusion”, World Academy of Science, Engineering and Technology, Vol. 65, pp. 311-319.

Marchet, G., Melacini, M. and Perotti, S. (2014), “Environmental sustainability in logistics and freight transportation: a literature review and research agenda”, Journal of Manufacturing Technology Management, Vol. 25 No. 6, pp. 775-811.

Matthews, H.S. and Hendrickson, C.T. (2003), “The economic and environmental implications of centralized stock keeping”, Journal of Industrial Ecology, Vol. 6 No. 2, pp. 71-81.

Matthews, H.S., Hendrickson, C.T. and Soh, D.L. (2001), “Environmental and economic effects of e-commerce: a case study of book publishing and retail logistics”, Transportation Research Record: Journal of the Transportation Research Board, Vol. 1763 No. 1, pp. 6-12.

Matthews, H.S., Williams, E., Tagami, T. and Hendrickson, C.T. (2002), “Energy implications of online book retailing in the United States and Japan”, Environmental Impact Assessment Review, Vol. 22 No. 5, pp. 493-507.

Meixell, M.J. and Luoma, P. (2015), “Stakeholder pressure in sustainable supply chain management: a systematic review”, International Journal of Physical Distribution & Logistics Management, Vol. 45 Nos 1/2, pp. 69-89.

Meixell, M.J. and Norbis, M. (2008), “A review of the transportation mode choice and carrier selection literature”, International Journal of Logistics Management, Vol. 19 No. 2, pp. 183-211.

Mokhtarian, P.L. (2004), “A conceptual analysis of the transportation impacts of B2C e-commerce”, Transportation, Vol. 3 No. 3, pp. 257-284.

Mollenkopf, D., Stolze, H., Tate, W. and Ueltschy, M. (2010), “Green, lean and global supply chain strategies”, International Journal of Physical Distribution & Logistics Management, Vol. 40 Nos 1/2, pp. 14-41.

Mouratidis, H. and Cofta, P. (2010), “Practitioner’s challenges in designing trust into online systems”, Journal of Theoretical and Applied Electronic Commerce Research, Vol. 5 No. 3, pp. 65‐77.

Mulpuru, S. (2013), “The state of retailing online 2013: key metrics and initiatives”, available at: www.forrester.com/The+State+Of+Retailing+Online+2013+Key+Metrics+And+Initiatives/ fulltext/-/E-RES89902 (accessed October 30, 2013).

Natarajarathinam, M., Capar, I. and Narayanan, A. (2009), “Managing supply chains in times of crisis: a review of literature and insights”, International Journal of Physical Distribution & Logistics Management, Vol. 39 No. 7, pp. 535-573.

Ngai, E.W.T. and Wat, F.K.T. (2002), “A literature review and classification of electronic commerce research”, Information & Management, Vol. 39 No. 5, pp. 415-429.

Park, E.J., Kim, E.Y., Funches, V.M. and Foxx, W. (2012), “Apparel product attributes, web browsing, and e-impulse buying on shopping websites”, Journal of Business Research, Vol. 65 No. 11, pp. 1583-1589.

Park, M. and Regan, A. (2004), Issues in Home Delivery Operations, University of California, Transportation Center, Los Angeles, CA.

Peng, L., Li, Q. and Zhang, X. (2005), “Optimism or pessimism: environmental impacts of the e-commerce”, Environmental Informatics Archives, Vol. 3, pp. 263-269.

Perego, A., Perotti, S. and Mangiaracina, R. (2011), “ICT for logistics and freight transportation: a literature review and research agenda”, International Journal of Physical Distribution & Logistics Management, Vol. 41 No. 5, pp. 457-483.

Pettit, S. and Beresford, A. (2009), “Critical success factors in the context of humanitarian aid supply chains”, International Journal of Physical Distribution & Logistics Management, Vol. 39 No. 6, pp. 450-468.

Plepys, A. (2002), “The grey side of ICT”, Environmental Impact Assessment Review, Vol. 22 No. 5, pp. 509-523.

Porter, M.E. and Kramer, M.R. (2006), “Strategy and society: the link between competitive advantage and corporate social responsibility”, Harvard Business Review, Vol. 84, pp. 78-92.

Primerano, F., Taylor, M.A.P., Pitaksringkarn, L. and Tisato, P. (2008), “Defining and understanding trip chaining behavior”, Transportation, Vol. 35 No. 1, pp. 55-72.

Punakivi, M. and Saranen, J. (2001), “Identifying the success factors in e-grocery home delivery”, International Journal of Retail & Distribution Management, Vol. 29 No. 4, pp. 156-163.

Punakivi, M., Yrjölä, H. and Holmström, J. (2001), “Solving the last mile issue: reception box or delivery book?”, International Journal of Physical Distribution & Logistics Management, Vol. 31 No. 6, pp. 427-439.

Reijnders, L. and Hoogeveen, M.J. (2001), “Energy effects associated with e-commerce: a case study concerning online sales of personal computers in the Netherlands”, Journal of Environmental Management, Vol. 62 No. 3, pp. 271-282.

Rizet, C., Cornélis, E., Browne, M. and Léonardi, J. (2010), “GHG emissions of supply chains from different retail systems in Europe”, Procedia – Social and Behavioral Sciences, Vol. 2 No. 3, pp. 6154-6164.

Rodiguez-Ardura, I., Meseguer-Artola, A. and Vilaseca-Requena, J. (2008), “Factors influencing the evolution of electronic commerce: an empirical analysis in a developed market economy”, Journal of Theoretical and Applied Electronic Commerce Research, Vol. 3 No. 2, pp. 18-29.

Romm, J. (2002), “The internet and the new energy economy”, Resources, Conservation and Recycling, Vol. 36 No. 3, pp. 131-152.

Rotem-Mindali, O. (2010), “E-tail versus retail: the effects on shopping related travel empirical evidence from Israel”, Transport Policy, Vol. 17 No. 5, pp. 312-322.

Rotem-Mindali, O. and Salomon, I. (2007), “The impacts of e-retail on the choice of shopping trips and delivery: some preliminary findings”, Transportation Research Part A, Vol. 41 No. 2, pp. 176-189.

Shao, T. and Liu, Z. (2012), “How to maintain the sustainability of an e-commerce firm? From the perspective of social network”, International Journal of Networking and Virtual Organizations, Vol. 11 No. 3, pp. 212-224.

Siikavirta, H., Punakivi, M., Kärkkäinen, M. and Linnanen, L. (2003), “Effects of e-commerce on greenhouse gas emission: a case study of grocery home delivery in Finland”, Journal of Industrial Ecology, Vol. 6 No. 2, pp. 83-97.

Sivaraman, D., Pacca, S., Mueller, K. and Lin, J. (2007), “Comparative energy, environmental, and economic analysis of traditional and e-commerce DVD rental networks”, Journal of Industrial Ecology, Vol. 11 No. 3, pp. 77-91.

Srivastava, S.K. (2007), “Green supply-chain management: a state-of-the-art literature review”, International Journal of Management Reviews, Vol. 9 No. 1, pp. 53-80.

Sui, D.Z. and Rejeski, D.W. (2002), “Environmental impacts of the emerging digital economy: the e-for-environment e-commerce?”, Environmental Management, Vol. 2 No. 29, pp. 155-163.

Taniguchi, E. and Kakimoto, Y. (2003), “Effects of e-commerce on urban distribution and the environment”, Journal of the Eastern Asia Society for Transportation Studies, Vol. 5 October, pp. 2355-2366.

Tehrani, S.M. and Karbassi, A.R. (2005), “Application of e-commerce in local home shopping and its consequences on energy consumption and air pollution reduction”, Iranian Journal of Environmental Health Science Engineering, Vol. 2 No. 4, pp. 247-250.

Tehrani, S.M., Karbassi, A.R., Ghoddosi, J., Monavvari, S.M. and Mirbagheri, S.A. (2009), “Prediction of energy consumption and urban air pollution reduction in e-shopping adoption”, Journal of Food, Agriculture & Environment, Vol. 7 No. 4, pp. 898-903.

Teo, J.S.E., Taniguchi, E. and Qureshi, A.G. (2012a), “Evaluating city logistics measure in e-commerce with multi-agent systems”, Procedia – Social and Behavioral Sciences, Vol. 39, pp. 349-359.

Teo, J.S.E., Taniguchi, E. and Qureshi, A.G. (2012b), “Evaluation of distance-based and cordon- based urban freight road pricing in e-commerce environment with multi-agent model”, Transportation Research Record: Journal of the Transportation Research Board, Vol. 2269, pp. 127-134.

Thornton, R.V. and Ferrone, R. (2001), “The environment, e-commerce, and sustainability”, Environmental Quality Management, Vol. 10 No. 3, pp. 85-91.

Tiwari, S. and Singh, P. (2011), “E-commerce: prospect or threat for environment”, International Journal of Environmental Science and Development, Vol. 2 No. 3, pp. 211-217.

Van Loon, P., Deketele, L., Dewaele, J., McKinnon, A. and Rutherford, C. (2014), “A comparative analysis of carbon emissions from online retailing of fast moving consumer goods”, Journal of Cleaner Production, doi:10.1016/j.jclepro.2014.06.060, available at: http://dx.doi.org/ 10.1016/j.jclepro.2014.06.060

Velásquez, M., Ahmad, A.R. and Bliemel, M. (2009), “State-of-the-art in e-commerce carbon footprinting”, Journal of Internet Banking and Commerce, Vol. 14 No. 3, pp. 1-21.

Venus, L.Y. (2011), “Green management practices and firm performance: a case of container terminal operations”, Resources, Conservation and, Recycling, Vol. 55 No. 6, pp. 559-566.

Wang, L. and Yu, Y. (2012), “E-commerce promote the development of low-carbon economy in Jilin Province”, Information Technology Journal, Vol. 12 No. 3, pp. 462-465.

Wang, Y. and Lalwani, C.S. (2007), “Using e-business to enable customised logistics sustainability”, International Journal of Logistics Management, Vol. 18 No. 3, pp. 402-419.

Weber, C.L., Koomey, J.G. and Matthews, H.S. (2010), “The energy and climate change implications of different music delivery methods”, Journal of Industrial Ecology, Vol. 14 No. 5, pp. 754-769.

Wei, Z. and Zhou, L. (2011), “Case study of online retailing fast fashion industry”, International Journal of e-Education, e-Business, e-Management and e-Learning, Vol. 1 No. 3, pp. 195-200.

Weltevreden, J.W.J. and Rotem-Mindali, O. (2009), “Mobility effects of b2c and c2c e-commerce in the Netherlands: a quantitative assessment”, Journal of Transport Geography, Vol. 17 No. 2, pp. 83-92.

Wiese, A., Toporowsky, W. and Zielke, S. (2012), “Transport-related CO2 effects of online and brick-and-mortar shopping: a comparison and sensitivity analysis of clothing retailing”, Transportation Research Part D, Vol. 17 No. 6, pp. 473-477.

Williams, E. and Tagami, T. (2003), “Energy use in sales and distribution via e-commerce and conventional retail: a case study of the Japanese book sector”, Journal of Industrial Ecology, Vol. 6 No. 2, pp. 99-114.

Winter, M. and Knemeyer, A.M. (2013), “Exploring the integration of sustainability and supply chain management: current state and opportunities for future inquiry”, International Journal of Physical Distribution & Logistics Management, Vol. 43 No. 1, pp. 18-38.

World Commission on Environment and Development (1987), Our Common Future, Oxford University Press, New York, NY.

Wygonik, E. and Goodchild, A. (2011), “Evaluating CO2 emissions, cost, and service quality trade- offs in an urban delivery system case study”, IATTS (International Association of Traffic and Safety Sciences) Research, Vol. 35 No. 1, pp. 7-15.

Xu, M., Allenby, B., Kim, J. and Kahhat, R. (2009), “A dynamic agent-based analysis for the environmental impacts of conventional and novel book retailing”, Environmental Science Technology, Vol. 43 No. 8, pp. 2851-2857.

Yang, L. and Zhang, Y.Z. (2010), “Empirical study on evaluation of regional agri-food logistics capability in e-commerce environment based on factor analysis – a case study of Hebei Province”, Chinese Business Review, Vol. 9 No. 12, pp. 38-43.

Yi, L. and Thomas, H.R. (2007), “A review of research on the environmental impact of e-business and ICT”, Environmental International, Vol. 33 No. 6, pp. 841-848.

Zanni, A.M. and Bristow, A.L. (2010), “Emissions of CO2 from road freight transport in London: trends and policies for long run reductions”, Energy Policy, Vol. 38 No. 4, pp. 1774-1786.

Zhang, L. and Zhang, Y. (2013), “A comparative study of environmental impacts of two delivery systems in the business-to-customer book retail sector”, Journal of Industrial Ecology, Vol. 17 No. 3, pp. 407-417.

Social media marketing efforts of luxury brands : Influence on brand equity and consumer behavior

Fiche de lecture

Référence au format APA :

Godey, B. (2016). Social media marketing efforts of luxury brands : Influence on brand equity and consumer behavior, Journal of Business Research, 69(12), 5833–5841.

Suivi des mots clés de l’article :

Mots clés : marketing des médias sociaux, capital de marque, préférence, fidélité, prime de prix, marques de luxe, international.

Synthèse :

B.Godey examinent les effets du marketing des médias sociaux sur les marques de luxe. En effet, l’objectif de cette recherche est de montrer comment les efforts de marketing des médias sociaux influencent le capital de marque et le comportement des consommateurs envers les marques de luxes (comme par exemple, Louis Vuitton, Hermès, …) au sein de divers pays.

Les efforts marketing des marques sur les réseaux sociaux incorporent cinq aspects (divertissement, interaction, tendance, personnalisation et bouche à oreille). Aussi, les efforts de marketing des marques sur les réseaux sociaux ont de nombreuses conséquences sur les consommateurs comme la préférence de marque, la prime de prix et la fidélité. Enfin, dans cette étude, B.Godey, montre que les PMI influence le capital de la marque ainsi que le comportement des consommateurs envers une marque.

  • En premier lieu, nous analyserons la définition que donnent les auteurs du terme « marketing des médias sociaux ».
  • Nous soulignerons ensuite les différentes caractéristiques du « marketing des médias sociaux » ainsi que les différents effets qui en découlent et qui influencent la création du capital de la marque et le comportement des consommateurs envers une marque.
  • Puis, nous terminerons par parler brièvement de l’effet des PMI.

Développement :

Tout d’abord, les médias sociaux offrent aux spécialistes du marketing des possibilités remarquables d’atteindre les consommateurs dans leurs communautés sociales et d’établir des relations plus personnelles avec eux (Kelly, Kerr, & Drennan, 2010). Selon Mangold et Faulds (2009), les actions de marketing des médias sociaux font partie du mix promotionnel dans le nouveau paradigme de communication des marques. Bruhn et al. (2012) révèlent que la communication traditionnelle et la communication par les médias sociaux ont un impact significatif sur l’équié des marques.

Selon Kim et Ko (2012) ont décrit les efforts de marketing des marques de luxe sur les médias sociaux comme comprenant cinq dimensions : divertissement, interaction, tendance, personnalisation et bouche à oreille (WOM). Cette étude examine les efforts de marketing des médias sociaux de différentes marques de luxe à partir des cinq perspectives de Kim et Ko (2012).

  • Le divertissement: est le résultat de l’amusement et du jeu qui émergent de l’expérience médiatique so- ciale (Agichtein et al., 2008). Diverses études présentent le divertissement comme une forte motivation pour l’utilisation des médias sociaux (Kaye, 2007 ; Muntinga, Moorman, & Smit, 2011 ; Park, Kee, & Valenzuela, 2009).
  • Intéraction: avec les médias sociaux modifie fondamentalement la communication entre les marques et les clients (Gallaugher et Ransbotham, 2010 ; Kaplan et Haenlein, 2010). Daugherty, Eastin et Bright (2008) constatent que l’interaction sociale est un facteur de motivation important pour la création de contenu généré par les utilisateurs. Selon Muntinga et al. (2011), l’interaction sociale décrit les utilisateurs qui contribuent aux plateformes de médias sociaux liées à une marque afin de rencontrer des personnes partageant les mêmes idées, d’interagir et de parler avec elles de produits/marques spécifiques.
  • Tendance: les médias sociaux fournissent les dernières nouvelles et les sujets de discussion brûlants (Naaman, Becker et Gravano, 2011) et sont également des canaux de recherche de produits essentiels. Selon Muntinga et al. (2011), l’information sur les tendances dans les médias sociaux couvre quatre sous-motivations : la surveillance, la connaissance, les informations avant achat et l’inspiration. La surveillance décrit l’observation et la mise à jour de l’environnement social d’une personne.
  • Personnalisation : décrit le degré auquel un service est personnalisé pour satisfaire les préférences d’un individu (Schmenner, 1986). En personnalisant leur site, les marques peuvent personnaliser et exprimer leur individualité, ce qui renforce l’affinité et la fidélité à la marque (Martin & Todorov, 2010). Dans le monde des médias sociaux, la personnalisation fait référence au public visé par les messages postés.
  • Bouche à oreille (WOM) : les médias sociaux associent l’eWOM aux interactions en ligne entre consommateurs au sujet des marques (Muntinga et al., 2011). Les médias sociaux sont des outils idéaux pour l’eWOM, car les consommateurs génèrent et diffusent sans contrainte des informations liées à la marque à leurs amis, leurs pairs et autres connaissances (Kim & Ko, 2012 ; Vollmer & Precourt, 2008).

Aussi le marketing des médias sociaux a des effets positifs significatifs sur le capital de la marque et les réactions des consommateurs, notamment sur la fidélité à la marque, la préférence et la volonté de payer un prix prenium soit élevé.

  • Capital de la marque: représente la connaissance de la marque ainsi que l’image de marque. Un capital de marque plus fort contribue à accroître la préférence pour la marque, la volonté de payer un prix plus élevé et la fidélité des clients (Aaker, 1991 ; Keller, 1993, 2003 ; Keller & Lehmann, 2006).
  • Prix prenium: est probablement un antécédent direct potentiel du comportement d’achat, selon Netemayer et al. (2004), qui définissent la volonté de payer un prix supérieur comme le montant que les clients sont prêts à payer pour leur marque plutôt qu’une autre.
  • Fidélité de la marque: la littérature sur le luxe considère la fidélité à la marque comme la mesure dans laquelle les consommateurs déclarent avoir acheté une marque particulière ou vouloir l’acheter à l’avenir.
  • La préférence: de marque signifie que, face à plusieurs marques concurrentes sur le marché, les consommateurs ont tendance à préférer une marque sur la base de ce qu’ils savent et ressentent à son sujet (Keller, 2003).

Enfin, les PMI ont un effet positif significatif sur le capital de marque et sur les deux principales dimensions du capital de marque : la notoriété et l’image de marque.

Conclusion :

Dans le secteur du luxe, les médias sociaux semblent jouer un rôle clé dans le succès d’une marque (Phan et al., 2011).

Par exemple, Louis Vuitton (LV) publie des vidéos de ses présentations de défilés sur sa page Facebook, donnant ainsi à tous les fans de LV la possibilité de profiter du spectacle (Kapferer, 2012).

Fig 1. Conceptual model (B. Godey et al., p5834)

Voici ci-dessus un tableau récapitulatif. Le SMMEs influence le capital de la marque qui lui influence la réponse des consommateurs.

Un capital de marque plus fort contribue à accroître la préférence pour la marque, la volonté de payer un prix plus élevé et la fidélité des clients (Aaker, 1991 ; Keller, 1993, 2003 ; Keller & Lehmann, 2006). Kim et Ko (2012) révèlent que dans les contextes de médias sociaux, le capital de marque créé par les activités de marketing des médias sociaux est positivement lié aux comportements/réponses d’achat futurs.

Les marques ne devraient plus considérer le marketing des médias sociaux comme un moyen d’atteindre les consommateurs, mais aussi comme un outil important et rentable de construction d’image. Les médias sociaux pourraient donc à terme concurrencer les canaux de marketing plus conventionnels (télévision et magazines) en tant qu’outil efficace pour créer des effets émotionnels avec les marques (Leong, Huang, & Stanners, 1998) 

Références bibliographiques

  • P. (2004). Welcoming Y. Benefits Canada, 2S{9),5I(3).
  • Conklin M.S. (2007). “101 Uses for Second Life in the College Classroom”. Research Paper. online retrieved on June 28, 2010: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.133.9588&rep=rep1&type=pdf.
  • Davis, A., Khazanski, D., Murphy, J., Zigurs, I. and D. Owens (2009). “Avatars, People, and Virtual Worlds: Foundations for Research in Metaverses”, Journal of the Association for Information Systems, 10(2), pp. 90-117.
  • Gül L.F., Gu N., Williams A., (2008), Virtual worlds as a constructivist learning platform: Evaluations of 3d virtual worlds on design teaching, ITcon, Vol. 13, pg. 578
  • Hornik, S and S. Thornburg (2010). “Really Engaging Accounting: Second Life™ as a Learning Platform”, Issues in Accounting Education, 25(3), pp. 361-378.
  • Jones M.J. (2001).“Just-in-time Training”, Advances in Developing Human Resources, 3(4), pp. 480-487.
  • Kopp G. and Burkle M. (2010). International Journal of Advanced Corporate, 3(3).

 

 

The industrial management of SMEs in the era of Industry 4.0

Moeuf, A., Pellerin, R., Lamouri, S., Tamayo-Giraldo, S., & Barbaray, R. (2018). The industrial management of SMEs in the era of Industry 4.0. International Journal of Production Research56(3), 1118-1136.

Mots clefs: production control; Industry 4.0; smart manufacturing; operational improvement; SME; SMB

Cette recherche évoque les pratiques en matière de planification et de contrôle de la production des PME à travers l’industrie 4.0 kohler et Weisz (2016) et de surcroit la supply chain 4.0. L’intégration des nouvelles technologies dans cette industrie permet d’obtenir des décisions décentralisées et imposent une flexibilité aux organisations.

Développement : Les PME n’ont bien souvent pas autant de spécialiste métiers que dans les grandes entreprises. Par ailleurs, ils disposent d’une productivité plus faible et des coûts plus élevés (moins d’économie d’échelle par exemple). Des études ont montré que l’industrie 4.0 pourrait être bénéfique pour la performance opérationnelle de ces organisations.

Une analyse de cas empiriques d’industrie 4.0 est effectuée afin de transformer la gestion de la planification et le contrôle de la production des PME.

Les initiatives de l’industrie 4.0 dépendent des objectifs de performance visés par les sociétés. Cette industrie est possible par différents biais : l’internet des objets (IoT), le big data et le cloud computing. Il existe par ce fait une relation étroite entre les objectifs fixés, les moyens managériaux recherchés ainsi que les nouvelles technologies nécessaires.

Afin d’adapter ces différents aspects, il est important de définir en premier lieu les indicateurs de performance opérationnel pour ensuite ajuster quel type de technologies peut améliorer cette performance opérationnelle.

Il existe 4 capacités managériales pour s’aligner sur le concept d’industrie 4.0 : la surveillance du système de production pouvant être effectué par de l’IoT, le contrôle du système et des seuils de performance via des algorithmes, l’optimisation à l’aide de plusieurs systèmes et l’autonomie du contrôle en temps réel des systèmes.

Ces compétences peuvent être possibles par l’implémentation de plusieurs outils : IoT, la simulation, la big data, systèmes cyber-physiques (CBS), cloud computing, réalité virtuelle, cyber sécurité, robots collaboratifs etc.

L’étude montre quelles références ont été utilisées dans le cadre de cet article. Celui-ci s’est concentré uniquement sur les PME.

L’objectif de l’industrie 4.0 est de synchroniser les flux tout au long de la chaine d’approvisionnement. Cette synchronisation des coûts entraine une diminution des coûtsà terme malgré l’investissement dans les nouvelles technologies.

L’amélioration de la qualité et la réduction des coûts n’est pa systématique même avec l’utilisation des outils cités. En revanche, l’amélioration de la production, des délais de livraison et la flexibilité des entreprises ont été améliorés.

Les PME manquent de système de production autonome.

Parmi les compétences managériales, la plus facile d’entre elles à acquérir est celle de la surveille des processus de production.

La notion de contrôle permet de faciliter l’interaction des employés entre eux sur un système en usant des données historiques et des seuils prédéterminés.

L’optimisation quant à elle améliore les systèmes et les processus.

L’autonomie n’est pas répandue dans le littérature puisqu’elle est beaucoup plus complexe à mettre en œuvre.

Les outils référents pour mettre en œuvre l’industrie 4.0 sont l’internet des objets et le cloud computing dans les PME.

La simulation est essentiellement utilisée pour générer des programmes d’opérations en ligne. Dans un second temps, les différents modèles de simulation sont utilisés pour analyser et modifier les systèmes de production en place.

Afin de contrer les données peu fiables des PME, Denkena et al (2014) ont proposé d’utiliser l’internet des objets associé à la technologie RFID qui assurent la gestion des flux et permet d’assurer la mise en œuvre du Lean ManuFacturing.

Le cloud computing est le moyen le plus utilisé par les PME pour suivre les onnes pratiques de l’industrie 4.0 puisqu’il est présent dans 65% des articles sélectionnés.

Les PME disposent parfois de systèmes d’informations qui ne s’acclimatent pas avec le cloud computing. Le transfert d’information ne peut pas s’effectuer.

La flexibilité est la compétence principale que les PME doivent obtenir et créer devant l’augmentation de la productivité.

Les implémentations des nouvelles technologies sont très hétérogènes, seules l’IoT et le cloud computing avec de la simulation se distingues des autres moyens.

Les dirigeants de PME doivent cesser de voir le système de production comme un coût mais comme un vecteur d’opportunités pour transformer leurs modèles d’affaires. Ils ne voient pratiquement que par la coûts la preuve en est avec l’adoption des moyens les moins couteux : le cloud computing par exemple.

Conclusion : L’enquête a été réalisée sur 23 applications de PME. Le résultat de l’article démontre que les PME se concentrent davantage sur la surveillance des processus de production et l’amélioration des capacités et de la flexibilité actuelle. Malgré les multiples bénéfices dont pourraient jouir les PME, celles-ci ont des lacunes notamment au niveau des ressources pour investir en R&D ainsi que d’experts capables de maîtriser ces méthodes/outils.

References

Abdul-Nour, G., S. Lambert, and J. Drolet. 1998. “Adaptation of Jit Philosophy and Kanban Technique to a Small-Sized Manufactur- ing Firm; A Project Management Approach.” Computers & Industrial Engineering 35: 419–422. doi:10.1016/S0360-8352(98) 00123-5.

Achanga, P., E. Shehab, R. Roy, and G. Nelder. 2006. “Critical Success Factors for Lean Implementation Within SMEs.” Journal of Manufacturing Technology Managment 17: 460–471. doi:10.1108/17410380610662889.

Adolphus, M. 2015. “How to carry out a literature review for a dissertation or research paper” [WWW Document]. Accessed January 1. https://www.emeraldgrouppublishing.com/research/guides/methods/literature2.htm

Airehrour, D., J.Gutierrez, and S. K. Ray. 2016. “Secure Routing for Internet of Things: A Survey.” Journal of Network Computers and Applications 66: 198–213. doi:10.1016/j.jnca.2016.03.006.

Apics. 2005. Apics Dictionary. Chicago, IL: The American Production and Inventory Control Society.
Aruväli, T., W. Maass, and T. Otto. 2014. “Digital Object Memory Based Monitoring Solutions in Manufacturing Processes.” Proce-

dia Engineering 69: 449–458. doi:10.1016/j.proeng.2014.03.011.
Azevedo, A., and A. Almeida. 2011. “Factory Templates for Digital Factories Framework.” Robotics and Computing Integrated Man-

ufacturing 27: 755–771. doi:10.1016/j.rcim.2011.02.004.
Babiceanu, R. F., and R. Seker. 2016. “Big Data and Virtualization for Manufacturing Cyber-Physical Systems: A Survey of the Cur-

rent Status and Future Outlook.” Computers in Industry 81: 128–137. doi:10.1016/j.compind.2016.02.004.
Bagheri, B., S. Yang, H.-A. Kao, and J. Lee. 2015. “Cyber-physical Systems Architecture for Self-Aware Machines in Industry 4.0

Environment.” IFAC-PapersOnLine 48: 1622–1627. doi:10.1016/j.ifacol.2015.06.318.
Bao, Y., L. Ren, L. Zhang, X. Zhang, and Y. Luo. 2012. “Massive Sensor Data Management Framework in Cloud Manufacturing

Based on Hadoop.” In IEEE 10th International Conference on Industrial Informatics, 397–401. Piscataway, NJ: IEEE.

doi:10.1109/INDIN.2012.6301192.
Barenji, A. V., R. V. Barenji, D. Roudi, and M. Hashemipour. 2016. “A Dynamic Multi-Agent-Based Scheduling Approach for

SMEs.” The International Journal of Advanced Manufacturing Technology 89: 3123–3137. doi:10.1007/s00170-016-9299-4. Bayo-Moriones, A., M. Billón, and F. Lera-López. 2013. “Perceived Performance Effects of ICT in Manufacturing SMEs.” Industrial

Management & Data Systems 113: 117–135. doi:10.1108/02635571311289700.
Becker, T., and D. Wagner. 2016. “Identification of Key Machines in Complex Production Networks.” Procedia CIRP 41: 69–74.

doi:10.1016/j.procir.2015.12.006.
Bi, Z., and D. Cochran. 2014. “Big Data Analytics with Applications.” Journal of Managment Analysis 1: 249–265. doi:10.1080/

23270012.2014.992985.
Bidet-Mayer, T. 2016.Industrie du futur: une compétition mondiale [Industry of the Future: A Global Competition]. Paris: Presses des

MINES.
Bonfanti, A., M. Del Giudice, and A. Papa. 2015. “Italian Craft Firms Between Digital Manufacturing, Open Innovation, and Serviti-

zation.” Journal of the Knowledge Economy 1–14. doi:10.1007/s13132-015-0325-9.
Brad, S., and M. Murar. 2015. “Employing Smart Units and Servitization towards Reconfigurability of Manufacturing Processes.”

Procedia CIRP 30: 498–503. doi:10.1016/j.procir.2015.02.154.
Caggiano, A., F. Caiazzo, and R. Teti. 2015. “Digital Factory Approach for Flexible and Efficient Manufacturing Systems in the

Aerospace Industry.” Procedia CIRP 37: 122–127. doi:10.1016/j.procir.2015.08.015.
Caggiano, A., and R. Teti. 2013. “Modelling, Analysis and Improvement of Mass and Small Batch Production through Advanced

Simulation Tools.” Procedia CIRP 12: 426–431. doi:10.1016/j.procir.2013.09.073.

Cao, H., P. Folan, D. Potter, and J. Browne. 2011. “Knowledge-Enriched Shop Floor Control in End-of-Life Business.” Production Planning & Control 22: 174–193. doi:10.1080/09537281003769980.

Cappelletti, L. 2010. La Recherche-Intervention: Quels Usages En Controle De Gestion? [Intervention Research: What Uses in Man- agement Control]. 1–25. Nice: Congrès l’Association Francoph. Comptab.

Cayiroglu, I., and B. E. Demir. 2012. “Computer Assisted Glass Mosaic Tiling Automation.” Robotics and Computer-Integrated Man- ufacturing 28: 583–591. doi:10.1016/j.rcim.2012.02.008.

Chalal, M., X. Boucher, and G. Marques. 2015. “Decision Support System for Servitization of Industrial Smes: A Modelling and Simulation Approach.” Journal of Decision System 24: 355–382. doi:10.1080/12460125.2015.1074836.

Constantinescu, C., D. Popescu, P.-C. Muresan, and S.-I. Stana. 2016. “Exoskeleton-Centered Process Optimization in Advanced Fac- tory Environments.” Procedia CIRP 41: 740–745. doi:10.1016/j.procir.2015.12.051.

Constantinescu, C. L., E. Francalanza, and D. Matarazzo. 2015. “Towards Knowledge Capturing and Innovative Human-system Inter- face in an Open-source Factory Modelling and Simulation Environment.” Procedia CIRP 33: 23–28. doi:10.1016/j.pro- cir.2015.06.006.

Constantinescu, C. L., E. Francalanza, D. Matarazzo, and O. Balkan. 2014. “Information Support and Interactive Planning in the Dig- ital Factory: Approach and Industry-Driven Evaluation.” Procedia CIRP 25: 269–275. doi:10.1016/j.procir.2014.10.038.

Cullinan, C.,S. G. Sutton, and V. Arnold. 2010. “Technology Monoculture: ERP Systems, ‘Techno-Process Diversity’ and the Threat to the Information Technology Ecosystem.” In Advances in Accounting Behavioral Research, edited by V. Arnold, 13–30. Bin- gley:Emerald Group Publishing Limited. doi:10.1108/S1475-1488(2010)0000013005.

Danjou, C., L. Rivest, and R. Pellerin. 2016. Industrie 4.0: des pistes pour aborder l’ère du numérique et de la connectivité [Industry 4.0: Paths to the Era of Digital and Connectivity].CEFRIO.

De Ugarte, Saenz, R. Pellerin, and A. Artiba. 2009. “Manufacturing Execution System – A Literature Review.” Production Planning & Control 20 (6): 525–539. doi:10.1080/09537280902938613.

De Ugarte, Saenz, R. Pellerin, and A. Artiba. 2011. “An improved Genetic Algorithm Approach for On-Line Optimization Problems.” Production Planning & Control 22 (8): 742–753. doi:10.1080/09537287.2010.543556.

Dean, J., and S. Ghemawat. 2008. “MapReduce.” Communications of the ACM 51: 107. doi:10.1145/1327452.1327492.
Deep, A., P. Guttridge, S. Dani, and N. Burns. 2008. “Investigating Factors Affecting ERP Selection in Made-to-Order SME Sector.”

Journal of Manufacturing Technology Management 19: 430–446. doi:10.1108/17410380810869905.
Denkena, B., B. Dengler, K. Doreth, C. Krull, and G. Horton. 2014. “Interpretation and Optimization of Material Flow Via System

Behavior Reconstruction.” Production Engineering 8: 659–668. doi:10.1007/s11740-014-0545-z.
Denkena, B., J. Schmidt, and M. Krüger. 2014. “Data Mining Approach for Knowledge-Based Process Planning.” Procedia Technol-

ogy 15: 406–415. doi:10.1016/j.protcy.2014.09.095.
Dombrowski, U., and S. Ernst. 2013. “Scenario-Based Simulation Approach for Layout Planning.” Procedia CIRP 12: 354–359.

doi:10.1016/j.procir.2013.09.061.
European Commission. 2008. “Un Small Business Act pour l’Europe [A Small Business Act for Europe].” Business, COM(2008) 394

final, 25. http://www.eurosfaire.prd.fr/7pc/bibliotheque/consulter.php?id=2321.
Evangelista, P., A. Mckinnon, and E. Sweeney. 2013. Technology Adoption in Small and Medium-Sized Logistics Providers 113: 967–

  1. doi:10.1108/IMDS-10-2012-0374.
    Fornasiero, R., and A. Zangiacomi. 2013. “A Structured Approach for Customised Production in SME Collaborative Networks.”

International Journal of Production Research 51: 2110–2122. doi:10.1080/00207543.2012.706718.
Garengo, P., S. Biazzo, and U. S. Bititci. 2005. “Performance Measurement Systems in SMEs: A Review for a Research Agenda.”

International Journal of Management Reviews 7: 25–47. doi:10.1111/j.1468-2370.2005.00105.x.
Givehchi, M., A. Haghighi, and L. Wang. 2015. “Generic Machining Process Sequencing Through a Revised Enriched Machining

Feature Concept.” Journal of Manufacturing Systems 37: 564–575. doi:10.1016/j.jmsy.2015.04.004.
Gupta, P., A. Seetharaman, and J. R. Raj. 2013. “The Usage and Adoption of Cloud Computing by Small and Medium Businesses.”

International Journal of Information Management 33: 861–874. doi:10.1016/j.ijinfomgt.2013.07.001.
Hao, Y., and P. Helo. 2015. The Role of Wearable Devices in Meeting the Needs of Cloud Manufacturing: A Case Study. Robotics

and Computer-Integrated Manufacturing. 45: 168–179. doi:10.1016/j.rcim.2015.10.001.
Hao, Y., P. Helo, and A. Shamsuzzoha. 2016. “Virtual Factory System Design and Implementation: Integrated Sustainable Manufac-

turing.” International Journal of Systems Science: Operations & Logistics 2674: 1–17. doi:10.1080/23302674.2016.1242819. Herdon, M., L. Várallyai, and Á. Péntek. 2012. “Digital Business Ecosystem Prototyping for SMEs.” Journal of Electrical Systems

and Information Technology 14: 286–301. doi:10.1108/13287261211279026.
Holtewert, P., R. Wutzke, J. Seidelmann, and T. Bauernhansl. 2013. “Virtual Fort Knox Federative, Secure and Cloud-based Platform

for Manufacturing.” Procedia CIRP 7: 527–532. doi:10.1016/j.procir.2013.06.027.
Horbach, S., J. Ackermann, E. Müller, and J. Schütze. 2011. “Building Blocks for Adaptable Factory Systems.” Robotics and Com-

puter-Integrated Manufacturing 27: 735–740. doi:10.1016/j.rcim.2010.12.011.
Huang, B., C. Li, C. Yin, and X. Zhao. 2013. “Cloud Manufacturing Service Platform for Small- and Medium-Sized Enterprises.”

International Journal of Advanced Manufacturing Technology 65: 1261–1272. doi:10.1007/s00170-012-4255-4.
Khalid, A., P. Kirisci, Z. Ghrairi, K.-D. Thoben, and J. Pannek. 2016. “A Methodology to Develop Collaborative Robotic Cyber

Physical Systems for Production Environments.” Logistics Research 9: 23. doi:10.1007/s12159-016-0151-x.

Koh, S. C. L., and M. Simpson. 2005. “Change and Uncertainty in SME Manufacturing Environments Using ERP.” Journal of Manu- facturing Technology Management 16: 629–653. doi:10.1108/17410380510609483.

Kohler, D., and J.-D. Weisz.2016. Industry 4.0: Les défis de la transformation numérique du modèle industriel allemand [Industry 4.0: The Challenges of the Digital Transformation of the German Industrial Model], edited by La Documentation française, 176. Paris. ISBN 978-2-11-010210-2.

Kolberg, D., and D. Zühlke. 2015. “Lean Automation Enabled by Industry 4.0 Technologies.” IFAC-PapersOnLine 48: 1870–1875. doi:10.1016/j.ifacol.2015.06.359.

Kopacek, P. 2015. “Automation and TECIS.” IFAC-PapersOnLine 48: 21–27. doi:10.1016/j.ifacol.2015.12.050.
Kushiro, N., S. Matsuda, and K. Takahara. 2014. “Model Oriented System Design on Big-data.” Procedia Computer Science 35:

961–968. doi:10.1016/j.procs.2014.08.176.
Lee, J., H.-A. Kao, and S. Yang. 2014. “Service Innovation and Smart Analytics for Industry 4.0 and Big Data Environment.” Proce-

dia CIRP 16: 3–8. doi:10.1016/j.procir.2014.02.001.
Lee, J., S. Han, and J. Yang. 2011. “Construction of a Computer-Simulated Mixed Reality Environment for Virtual Factory Layout

Planning.” Computers in Industry 62: 86–98. doi:10.1016/j.compind.2010.07.001.
Liker, J. K. 2007. The Toyota Way: 14 Management Principles from the World’s Greatest Manufacturer. Action Learning: Research

and Practice 4: 105–114. doi:10.1080/14767330701234002.
Li, W., K. Liu, M. Belitski, A. Ghobadian, and N. O’Regan. 2016. “E-Leadership Through Strategic Alignment: An Empirical Study

of Small- and Medium-Sized Enterprises in the Digital Age.” Journal of Information Technology 31: 185–206. doi:10.1057/

jit.2016.10.
Luo, X., W. Li, Y. Tu, D. Xue, and J. Tang. 2011. “Operator Allocation Planning for Reconfigurable Production Line in One-of-a-

Kind Production.” International Journal of Production Research 49: 689–705. doi:10.1080/00207540903555486.
MacKerron, G., M. Kumar, V. Kumar, and A. Esain. 2014. “Supplier Replenishment Policy Using E-Kanban: A Framework for Suc-

cessful Implementation.” Production Planning & Control 25: 161–175. doi:10.1080/09537287.2013.782950.
Masood, T., R. Weston, and A. Rahimifard. 2013. “A Model-Driven Approach to Enabling Change Capability in SMEs.” Interna-

tional Journal of Advanced Manufacturing Technology 69: 805–821. doi:10.1007/s00170-013-4853-9.
Matsuda, M., K. Kashiwase, and Y. Sudo. 2012. “Agent Oriented Construction of a Digital Factory for Validation of a Production

Scenario.” Procedia CIRP 3: 115–120. doi:10.1016/j.procir.2012.07.021.
Matsuda, M., Y. Sudo, and F. Kimura. 2016. “A Multi-Agent Based Construction of the Digital Eco-Factory for a Printed-Circuit

Assembly Line.” Procedia CIRP 41: 218–223. doi:10.1016/j.procir.2015.12.061.
Mauricio-Moreno, H., J. Miranda, D. Chavarría, M. Ramírez-Cadena, and A. Molina. 2015. “Design S3-RF (Sustainable x Smart x

Sensing – Reference Framework) for the Future Manufacturing Enterprise.” IFAC-PapersOnLine 48: 58–63. doi:10.1016/j.ifa-

col.2015.06.058.
McGarrie, B. 1998. “Case Study: Production Planning and Control – Selection, Improvement and Implementation.” Logistics Informa-

tion Management 11: 44–52. doi:10.1108/09576059810202268.
Mehrsai, A., B. Henriksen, C. C. Røstad, K. A. Hribernik, and K.-D. Thoben. 2014. “Make-to-XGrade for the Design and Manufac-

turing of Flexible, Adaptive, and Reactive Products.” Procedia CIRP 21: 199–205. doi:10.1016/j.procir.2014.03.147. Michniewicz, J., and G. Reinhart. 2014. “Cyber-Physical Robotics – Automated Analysis, Programming and Configuration of Robot

Cells Based on Cyber-Physical-Systems.” Procedia Technology 15: 566–575. doi:10.1016/j.protcy.2014.09.017.
Mintzberg, H. 1982. Structure et Dynamique des organisations, edited by Editions d’Organisation. Vingt-troi. ed. Eyrolles, 434. Les

références, Paris. ISBN 978-2708119710.
Moeuf, A., S. Tamayo, S. Lamouri, R. Pellerin, and A. Lelievre. 2016. “Strengths and Weaknesses of Small and Medium Sized Enter-

prises Regarding the Implementation of Lean Manufacturing.” IFAC-PapersOnLine 49: 71–76. doi:10.1016/j.ifa-

col.2016.07.552.
Mousannif, H., H. Sabah, Y. Douiji, and Y. Oulad Sayad. 2016. “Big Data Projects: Just Jump Right in!” International Journal of

Pervasive Computing and Communications 12: 260–288. doi:10.1108/IJPCC-04-2016-0023.
Ohno, T. 1988. The Toyota Production System – Beyond Large-Scale Production. Boca Raton, FL: CRC Press.
Peng, G., Y. Jiang, J. Xu, and X. Li. 2012. “A Collaborative Manufacturing Execution Platform for Space Product Development.”

International Journal of Advanced Manufacturing Technology 62: 443–455. doi:10.1007/s00170-011-3837-x.
Petroni, A. 2002. “Critical Factors of MRP Implementation in Small and Medium-Sized Firms.” International Journal of Operations

& Production Management 22: 329–348. doi:10.1108/01443570210417623.
Porter, M., and J. E. Heppelmann. 2014. “How Smart, Connected Products are Transforming Competition.” Harvard Business Review

92: 64–88.
Radziwon, A., A. Bilberg, M. Bogers, and E. S. Madsen. 2014. “The Smart Factory: Exploring Adaptive and Flexible Manufacturing

Solutions.” Procedia Engineering 69: 1184–1190. doi:10.1016/j.proeng.2014.03.108.
Rago, F. 2015. “A Smart Adaptable Architecture Based on Contexts for Cyber Physical Systems.” Procedia Computer Science 61:

301–306. doi:10.1016/j.procs.2015.09.141.
Raymond, L. 2005. “Operations Management and Advanced Manufacturing Technologies in SMEs.” Journal of Manufacturing Tech-

nology Management 16: 936–955. doi:10.1108/17410380510627898.

Ren, L., L. Zhang, F. Tao, C. Zhao, X. Chai, and X. Zhao. 2015. “Cloud Manufacturing: From Concept to Practice.” Enterprise Infor- mation Systems 9: 186–209. doi:10.1080/17517575.2013.839055.

Ruessmann, M., M. Lorenz, P. Gerbert, M. Waldner, J. Justus, P. Engel, and M. Harnisch. 2015. “Industry 4.0: The Future of Produc- tivity and Growth in Manufacturing Industries.” Boston Consulting Group. Vol. 9.

Schumacher, A., S. Erol, and W. Sihn. 2016. “A Maturity Model for Assessing Industry 4.0 Readiness and Maturity of Manufacturing Enterprises.” Procedia CIRP 52: 161–166. doi:10.1016/j.procir.2016.07.040.

Segura Velandia, D. M., N. Kaur, W. G. Whittow, P. P. Conway, and A. A. West. 2016. “Towards Industrial Internet of Things: Crankshaft Monitoring, Traceability and Tracking Using RFID.” Robotics and Computer-Integrated Manufacturing 41: 66–77. doi:10.1016/j.rcim.2016.02.004.

Sena Ferreira, P., A. H. M. Shamsuzzoha, C. Toscano, and P. Cunha. 2012. “Framework for Performance Measurement and Manage- ment in a Collaborative Business Environment.” International Journal of Product Development 61: 672–690. doi:10.1108/ 17410401211249210.

Seuring, S., and S. Gold. 2012. “Conducting Content-Analysis Based Literature Reviews in Supply Chain Management.” Supply Chain Management: An International Journal 17: 544–555. doi:10.1108/13598541211258609.

Shamsuzzoha, A., C. Toscano, L. M. Carneiro, V. Kumar, and P. Helo. 2016. “ICT-Based Solution Approach for Collaborative Deliv- ery of Customised Products.” Production Planning & Control 27: 280–298. doi:10.1080/09537287.2015.1123322.

Song, T., H. Liu, C. Wei, and C. Zhang. 2014. “Common Engines of Cloud Manufacturing Service Platform for SMEs.” International Journal of Advanced Manufacturing Technology 73: 557–569. doi:10.1007/s00170-014-5863-y.

Srai, J. S., M. Kumar, G. Graham, W. Phillips, J. Tooze, S. Ford, P. Beecher, et al. 2016. “Distributed Manufacturing: Scope, Chal- lenges and Opportunities.” International Journal of Production Research 54: 6917–6935. doi:10.1080/00207543.2016.1192302. Sum, C.-C., and K.-K. Yang. 1993. “A Study on Manufacturing Resource Planning (MRP II) Practices in Singapore.” Omega 21:

187–197. doi:10.1016/0305-0483(93)90051-L.
Torres, O. 1999.Les PME, edited by Flammarion, 123. http://oliviertorres.net/travaux/pdf/pmetorres.pdf.
Tranfield, D., D. Denyer, and P. Smart. 2003. “Towards a Methodology for Developing Evidence-Informed Management Knowledge

by Means of Systematic Review.” British Journal of Management 14: 207–222. doi:10.1111/1467-8551.00375.
Trappey, A. J. C., C. V. Trappey, U. Hareesh Govindarajan, A. C. Chuang, and J. J. Sun. 2016. “A Review of Essential Standards and Patent Landscapes for the Internet of Things: A Key Enabler for Industry 4.0.” Advanced Engineering Informatics.

doi:10.1016/j.aei.2016.11.007
Veza, I., M. Mladineo, and N. Gjeldum. 2015. “Managing Innovative Production Network of Smart Factories.” IFAC-PapersOnLine

48: 555–560. doi:10.1016/j.ifacol.2015.06.139.
Wang, L., M. Törngren, and M. Onori. 2015. “Current Status and Advancement of Cyber-Physical Systems in Manufacturing.” Jour-

nal of Manufacturing System 37: 517–527. doi:10.1016/j.jmsy.2015.04.008.
Wang, S., J. Wan, D. Li, and C. Zhang. 2016. “Implementing Smart Factory of Industrie 4.0: An Outlook.” International Journal of

Distributed Sensor Networks 2016: 1–10. doi:10.1155/2016/3159805.
Wang, X. V., and X. W. Xu. 2013. “An Interoperable Solution for Cloud Manufacturing.” Robotics and Computer-Integrated Manu-

facturing 29: 232–247. doi:10.1016/j-rcim.2013.01.005.
Womack, J. P., and T. J. Daniel. 2003. Lean Thinking. First Free ed. New York: Simon & Schuster.
Wu, Z., Z. Gao, Y. Cao, X. Ye, and J. Yang. 2015. “Tolerance Design and Adjustment of Complex Customized Product Based on

Cloud Manufacturing.” Procedia CIRP 27: 169–175. doi:10.1016/j.procir.2015.04.061.
Xia, M., T. Li, Y. Zhang, and C. W. De Silva. 2016. “Closed-Loop Design Evolution of Engineering System Using Condition Moni-

toring Through Internet of Things and Cloud Computing.” Computer Networks 101: 5–18. doi:10.1016/j.comnet.2015.12.016. Yue, X., H. Cai, H. Yan, C. Zou, and K. Zhou. 2015. “Cloud-Assisted Industrial Cyber-Physical Systems: An Insight.” Microproces-

sors and Microsystems 39: 1262–1270. doi:10.1016/j.micpro.2015.08.013.

 

Managing the effectiveness of e-commerce platforms in a pandemic

Tran, L. T. T. (2021). Managing the effectiveness of e-commerce platforms in a pandemic. Journal of Retailing and Consumer Services58, 102287.

Mots-clés : Peur de la pandémie, Efficacité perçue, Plateformes de commerce électronique Avantages économiques, Consommation durable, Théorie des usages et de la gratification

Étude réalisée au Vietnam (pays émergent) sur la corrélation entre les PEEP (l’efficacité perçue des plateformes de commerce électronique), avantages économiques et la consommation durable.

Les plateformes e-commerce permettent d’accroitre sa zone de chalandise en adressant un public nouveau. Par ailleurs, les achats en ligne ont largement progressés dus aux différentes pandémies. Les bienfaits du commerce électronique sur les consommateurs et sur la consommation durable.

Cet article se base sur les théories d’usages et de la gratification (UGT) afin de définir quels besoins sociaux et psychologiques déterminent les motivations d’utilisation d’une plateforme.

Dans le cadre de la pandémie, l’UGT permet d’expliquer pourquoi les consommateurs préfèrent les plateformes en ligne plutôt (sécurité, praticité).

Les plateformes en ligne comportent quelques désavantages notamment liés à la fuite de vos données personnels donc à un manque de sécurisation des données. De la littérature a déjà été publiée sur le fait que les sites en ligne apportent des garanties liées aux moyens de paiement et la protection de la vie privée (Plangger et Watson, 2015 ; Wang et al., 2019).

Le commerce en ligne comportent également des avantages (réduction, promotion, activités préférentielles). Il faut également améliorer les interactions entre les vendeurs et les acheteurs en ligne ce qui permet l’augmentation du comportement d’achat en ligne (Wang et Herrando 2019).

Une pandémie permet de modifier le comportement d’achat d’un consommateur.

La consommation durable qui était jusqu’alors une consommation responsable avec un mode de vie écologique pour satisfaire ses besoins se voit étendre sa définition depuis l’apparition du covid. Cette extension concerne : l’achat de produits et de services sur des plateformes de commerce électronique pour satisfaire les besoins et les désirs, et pour augmenter la sécurité sanitaire pour soi et la communauté pendant une période pandémique.

La PEEP affecte les avantages économiques ce qui provoquent ensuite une consommation durable. La peur pandémique entraine une relation positive entre ces acteurs.

Deux hypothèses sont soulevées :

-La PEEP influence fortement les avantages économiques quand la peur de la pandémie est élevée

-Les avantages économiques influencent de manière significative lorsque la peur de la pandémie est élevée.

Une étude a été menée sur un échantillon de 617 commentaires en ligne.

D’après une Une enquête de Nielsen Vietnam (2020), la consommation en ligne au vietnam d’achats en ligne a augmenté de 25%. Pour ce faire, les plateformes doivent être efficientes.

D’après l’enquête, celle-ci révèle que la PEEP est un élément déterminant de la consommation durable grâce aux avantages économiques. La peur de la pandémie a également un effet positif du PEEP sur les avantages économiques.

Conclusion : L’étude porte sur une enquête menée dans un pays émergent, il serait nécessaire d’étudier les relations entre le PEEP, les avantages économiques et la consommation durable dans d’autres pays (émergent et développés). Cet article montre également qu’en renforçant l’indice de confiance des consommateurs sur les plateformes en ligne, cela accroit l’achat en ligne et son comportement.

References

Abid, A., Harrigan, P., 2020. An exploration of social media-enabled voter relationships through uses and gratifications theory, psychological contract and service-dominant orientation. Australasian Marketing Journal (AMJ). https://doi.org/10.1016/j. ausmj.2020.02.002 accessed 12 March 2020.

Abramovich, G., 2020. How COVID-19 Is Impacting Online Shopping Behavior, Adobe Blog. Adobe. https://theblog.adobe.com/how-covid-19-is-impacting-online-sho pping-behavior/. accessed 26 March 2020.

Addo, P.C., Jiaming, F., Kulbo, N.B., Liangqiang, L., 2020. COVID-19: fear appeal favoring purchase behavior towards personal protective equipment. Serv. Ind. J. 40 (7–8), 471–490.

Bacq, S., Geoghegan, W., Josefy, M., Stevenson, R., Williams, T.A., 2020. The COVID-19 virtual idea blitz: marshaling social entrepreneurship to rapidly respond to urgent grand challenges. Bus. Horiz. https://doi.org/10.1016/j.bushor.2020.05.002 avaiable at.

Bandara, R., Fernando, M., Akter, S., 2020. Explicating the privacy paradox: a qualitative inquiry of online shopping consumers. J. Retailing Consum. Serv. 52, 101947.

Chandna, V., Salimath, M.S., 2018. Peer-to-peer selling in online platforms: a salient business model for virtual entrepreneurship. J. Bus. Res. 84, 162–174.

Chang, J.-S., Chang, W.-H., 2014. Analysis of fraudulent behavior strategies in online auctions for detecting latent fraudsters. Electron. Commer. Res. Appl. 13 (2), 79–97. Chatterjee, S., Gao, X., Sarkar, S., Uzmanoglu, C., 2019. Reacting to the scope of a data

breach: the differential role of fear and anger. J. Bus. Res. 101, 183–193. Chung, L.H., 2015. Impact of pandemic control over airport economics: reconciling

public health with airport business through a streamlined approach in pandemic

control. J. Air Transport. Manag. 44–45, 42–53.
Cooper, D.R., Schindler, P., 2013. Business Research Methods, 12 ed. McGraw-Hill

Education.
Dabbous, A., Tarhini, A., 2019. Assessing the impact of knowledge and perceived

economic benefits on sustainable consumption through the sharing economy: a

sociotechnical approach. Technol. Forecast. Soc. Change 149, 119775.
Fan, X., Yin, Z., Liu, Y., 2020. The value of horizontal cooperation in online retail

channels. Electron. Commer. Res. Appl. 39, 100897.
Fang, Y., Qureshi, I., Sun, H., McCole, P., Ramsey, E., Lim, K.H., 2014. Trust, satisfaction,

and online repurchase intention: the moderating role of perceived effectiveness of e-

commerce institutional mechanisms. MIS Q. 38 (2), 407–A409.
Guillen-Royo, M., 2019. Sustainable consumption and wellbeing: does on-line shopping

matter? J. Clean. Prod. 229, 1112–1124.
Hair, J.F., Ringle, C.M., Sarstedt, M., 2011. PLS-SEM: indeed a silver bullet. J. Market.

Theor. Pract. 19 (2), 139–152.
Harvard Global Health Institute, 2020. Pandemic Preparedness & Global Health Security.

Harvard University. https://globalhealth.harvard.edu/pandemics-and-health-securit

  1. accessed 26 March 2020.
    Harvard Medical School, 2020. As Coronavirus Spreads, Many Questions and Some

Answers, Coronavirus Resource Center. Harvard Health Publishing. https://www. health.harvard.edu/diseases-and-conditions/coronavirus-resource-center#Terms. accessed 24 March 2020.

Henseler, J., Ringle, C.M., Sarstedt, M., 2015. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J. Acad. Market. Sci. 43 (1), 115–135.

Hernant, M., Rosengren, S., 2017. Now what? Evaluating the sales effects of introducing an online store. J. Retailing Consum. Serv. 39, 305–313.

Huang, L.-Y., Hsieh, Y.-J., Wu, Y.-C.J., 2014. Gratifications and social network service usage: the mediating role of online experience. Inf. Manag. 51 (6), 774–782. Hubert, M., Blut, M., Brock, C., Backhaus, C., Eberhardt, T., 2017. Acceptance of

smartphone-based mobile shopping: mobile benefits, customer characteristics, perceived risks, and the impact of application context. Psychol. Market. 34 (2), 175–194.

Hudecheck, M., Sir ́en, C., Grichnik, D., Wincent, J., 2020. How Companies Can Respond to the Coronavirus. MIT Sloan Management Review. March 09, 2020).

Kaur, P., Dhir, A., Bodhi, R., Singh, T., Almotairi, M., 2020a. Why do people use and recommend m-wallets? J. Retailing Consum. Serv. 56, 102091 https://doi.org/ 10.1016/j.jretconser.2020.10209.

Kaur, P., Dhir, A., Chen, S., Malibari, A., Almotairi, M., 2020. Why do people purchase virtual goods? A uses and gratification (U&G) theory perspective. Telematics Inf., 101376

Khan, S., Huremovi ́c, D., 2019. Psychology of the Pandemic, Psychiatry of Pandemics. Springer, pp. 37–44.

Korhan, O., Ersoy, M., 2016. Usability and functionality factors of the social network site application users from the perspective of uses and gratification theory. Qual. Quantity 50 (4), 1799–1816.

Laato, S., Islam, A.K.M.N., Farooq, A., Dhir, A., 2020. Unusual purchasing behavior during the early stages of the COVID-19 pandemic: the stimulus-organism-response approach. J. Retailing Consum. Serv. 57, 102224 https://doi.org/10.1016/j. jretconser.2020.102224.

Lee, J.-Y., Fang, E., Kim, J.J., Li, X., Palmatier, R.W., 2018. The effect of online shopping platform strategies on search, display, and membership revenues. J. Retailing 94 (3), 247–264.

Li, X., Zhao, X., Xu, W., Pu, W., 2020. Measuring ease of use of mobile applications in e- commerce retailing from the perspective of consumer online shopping behaviour patterns. J. Retailing Consum. Serv. 55, 102093 https://doi.org/10.1016/j. jretconser.2020.102093.

Li, Y., Yang, S., Chen, Y., Yao, J., 2018. Effects of perceived online–offline integration and internet censorship on mobile government microblogging service continuance: a gratification perspective. Govern. Inf. Q. 35 (4), 588–598.

Liao, Z., Shi, X., 2017. Web functionality, web content, information security, and online tourism service continuance. J. Retailing Consum. Serv. 39, 258–263.

Liao, S.-H., Yang, L.-L., 2020. Mobile payment and online to offline retail business models. J. Retailing Consum. Serv. 57, 102230 https://doi.org/10.1016/j. jretconser.2020.102230.

Lim, H., Kumar, A., 2019. Variations in consumers’ use of brand online social networking: a uses and gratifications approach. J. Retailing Consum. Serv. 51, 450–457.

Lim, W.M., 2017. Inside the sustainable consumption theoretical toolbox: critical concepts for sustainability, consumption, and marketing. J. Bus. Res. 78, 69–80.

Liu, Y., Li, Q., Edu, T., Jozsa, L., Negricea, I.C., 2019. Mobile shopping platform characteristics as consumer behavior determinants. Asia Pac. J. Market. Logist. https://doi.org/10.1108/apjml-05-2019-0308. In press.

Luchs, M.G., Phipps, M., Hill, T., 2015. Exploring consumer responsibility for sustainable consumption. J. Market. Manag. 31 (13–14), 1449–1471.

Luo, M.M., Chea, S., Chen, J.-S., 2011. Web-based information service adoption: a comparison of the motivational model and the uses and gratifications theory. Decis. Support Syst. 51 (1), 21–30.

MacKenzie, S.B., Podsakoff, P.M., Podsakoff, N.P., 2011. Construct measurement and validation procedures in MIS and behavioral research: integrating new and existing techniques. MIS Q. 35 (2), 293–334.

Mattison Thompson, F., Tuzovic, S., Braun, C., 2019. Trustmarks: strategies for exploiting their full potential in e-commerce. Bus. Horiz. 62 (2), 237–247.

McNulty, E.J., 2020. Leading through Covid-19. MIT Sloan Management Review. htt ps://sloanreview.mit.edu/article/leading-through-covid-19/. accessed 23 March 2020.

Nielsen, 2020a. Nielsen Investigation: “Pandemic Pantries” Pressure Supply Chain amid Covid-19 Fears. https://www.nielsen.com/us/en/insights/article/2020/nielsen-in vestigation-pandemic-pantries-pressure-supply-chain-amidst-covid-19-fears/. accessed 22 March 2020.

Nielsen, Vietnam, 2020b. Nielsen Survey: Impact of Covide-19 on Vietnamese. Nielsen Vietnam. https://www.facebook.com/NielsenVietnam/photos/nielsen-survey-impa ct-of-covid-19-on-vietnameseappearing-at-the-end-of-2019-coro/2919284404

799369/. accessed 25 March 2020.
Pantano, E., Pizzi, G., Scarpi, D., Dennis, C., 2020. Competing during a pandemic?

Retailers’ ups and downs during the COVID-19 outbreak. J. Bus. Res. 116, 209–213. Pappas, N., 2016. Marketing strategies, perceived risks, and consumer trust in online

buying behaviour. J. Retailing Consum. Serv. 29, 92–103.
Pesek, W., 2020. China’s Recession Will Hurt as Coronavirus Crisis Spreads to U.S. And

Europe, Forbes. https://www.forbes.com/sites/forbes-personal-shopper/2020/03 /16/disney-amazon-prime-video–more-best-tv-shows-to-stream-during-your-time-h ome/#3336a7ee5882. accessed 18 March 2020.

Plangger, K., Watson, R.T., 2015. Balancing customer privacy, secrets, and surveillance: insights and management. Bus. Horiz. 58 (6), 625–633.

Prentice, C., Chen, J., Stantic, B., 2020. Timed intervention in COVID-19 and panic buying. J. Retailing Consum. Serv. 57, 102203 https://doi.org/10.1016/j. jretconser.2020.102203.

Qin, X., Liu, Z., Tian, L., 2020. The strategic analysis of logistics service sharing in an e- commerce platform. Omega 92, 102153.

Ray, A., Dhir, A., Bala, P.K., Kaur, P., 2019. Why do people use food delivery apps (FDA)? A uses and gratification theory perspective. J. Retailing Consum. Serv. 51, 221–230.

Sharma, R., Jha, M., 2017. Values influencing sustainable consumption behaviour: exploring the contextual relationship. J. Bus. Res. 76, 77–88.

Simon, F., 2017. Relationship norms and media gratification in relational brand communication. J. Bus. Res. 79, 12–22.

Smith, T., Prosser, T., 2020. COVID-19 Drug Therapy–Potential Options. Elsevier. https ://www.elsevier.com/__data/assets/pdf_file/0007/988648/COVID-19-Drug-Ther apy_Mar-2020.pdf. accessed 23 March 2020.

Solomon, M.R., 2017. Consumer Behavior: Buying, Having, and Being, 12 ed. Pearson. Song, W., Li, W., Geng, S., 2020. Effect of online product reviews on third parties’ selling

on retail platforms. Electron. Commer. Res. Appl. 39, 100900.
Verma, P., Sinha, N., 2018. Integrating perceived economic wellbeing to technology

acceptance model: the case of mobile based agricultural extension service. Technol.

Forecast. Soc. Change 126, 207–216.
Vietnam News, 2020. How COVID-19 Affects Vietnamese Consumers’ FMCG Spend and

Purchase Behaviours. https://vietnamnews.vn/economy/654138/how-covid-19- affects-vietnamese-consumers-fmcg-spend-and-purchase-behaviours.html. accessed

26 March 2020.

Vinzi, V.E., Chin, W.W., Henseler, J., Wang, H., 2010. Handbook of Partial Least Squares. Springer.

Wagner, G., Schramm-Klein, H., Steinmann, S., 2020. Online retailing across e-channels and e-channel touchpoints: empirical studies of consumer behavior in the multichannel e-commerce environment. J. Bus. Res. 107, 256–270.

Wang, D., Chen, B., Chen, J., 2019. Credit card fraud detection strategies with consumer incentives. Omega 88, 179–195.

Wang, Y., Herrando, C., 2019. Does privacy assurance on social commerce sites matter to millennials? Int. J. Inf. Manag. 44, 164–177.

WHO, 2010. What Is a Pandemic? World Health Organization. WHO. https://www.who. int/csr/disease/swineflu/frequently_asked_questions/pandemic/en/. accessed 23 March 2020.

WHO, 2020. Q&A on Coronaviruses (COVID-19). World Health Organization. WHO. htt ps://www.who.int/news-room/q-a-detail/q-a-coronaviruses. accessed 24 March 2020.

Worldometer, 2020. Coronavirus. https://www.worldometers.info/coronavirus/. accessed 25 March 2020.

Zhang, S., Pauwels, K., Peng, C., 2019. The impact of adding online-to-offline service platform channels on firms’ offline and total sales and profits. J. Interact. Market. 47, 115–128.

Zhang, T., Li, G., Cheng, T.C.E., Lai, K.K., 2017. Welfare economics of review information: implications for the online selling platform owner. Int. J. Prod. Econ. 184, 69–79.