Oliver Klein, (2015). Banque et nouvelles technologies : la nouvelle donne, Dans Revue d’économie financière (n° 120), pages 17 à 22.

En France, nous sommes exposés comme tous les pays développés à des systèmes d’informations, de nouveaux canaux de distribution et des évolutions technologiques qui bouleversent nos traditions de manière toujours plus accélérée. Olivier Klein, directeur d’un grand groupe bancaire français nous explique sa vision de ces évolutions face à son cœur de métier.

 Développement :

Tout d’abord, les rapports entre une banque et son client ont bien évolué avec l’arrivée de l’accès à l’information immédiate dans tous les domaines. Les pouvoirs entre son conseiller et le client se sont retrouvés inversés. C’est la révolution commerciale grâce aux nouvelles technologies. Dans un secteur très concurrentiel qui se livre une guerre permanente pour attirer plus de client , les banque investissent sur la qualité du service en ligne en l’optimisant leur interface, application, services, et la rapidité.

Puis, les banques doivent répondre à de nouvelles exigences, en s’adaptant à tous les nouveaux canaux d’informations et en se réinventant pour apporter une valeur ajoutée. Les agences bancaires ont dû se réinventer, avec de nouveaux services pour promouvoir la praticité ainsi que l’efficacité des produits et services. Mais l’essentiel est de garder une certaine proximité, pour ne pas que le client se pense délaissé.

A ce sujet, cet article s’est penché sur l’accélération de la révolution numérique en se demandant s’il y avait encore de la place pour des agences bancaires physiques et en tire des conclusions positives.

Conclusion :

Enfin, malgré l’ensemble des outils à disposition, si les banques de proximité existent toujours, c’est qu’il existe toujours un besoin. Il est qualifié par la vie, car c’est un métier de relation humaine. C’est ainsi qu’un conseiller humain est indispensable pour que certains puissent présenter leur projet de vie ou d’entreprise afin d’adapter au mieux les produits bancaires.

ACPR – Banque de France. (2018). Etude sur les modèles d’affaires des banques en ligne et des néobanques (96).

Mots clés : banque, digitalisation, néobanque, fintech, innovation

L’Autorité de Contrôle Prudentiel et de Résolution (ACPR) à mener une étude concernant les nouveaux acteurs financiers du marché tel que les banques en ligne et les néo banques. Cette étude est basé sur l’interview de 12 établissement financiers choisit selon leur notoriété et leur modèle économique

 Développement :

Voire l’immersion d’un nouveau marché financier concurrentiel en peu de temps, interpelle l’Autorité de Contrôle Prudentiel et de Résolution. L’ACPR souhaita étudié via l’interview d’une douzaine de ces acteurs du marché afin de comprendre leur modèle d’affaire, et comment de nos jours ils touchaient autant le grand public.

Ces recherches ont menés a comprendre que ces banques en ligne et néo banque permettent de gagner en part de marché aux établissement financiers dit « traditionnel ». Grâce notamment avec beaucoup d’offres d’appel afin d’attirer et familiariser le client avec ce nouveau modèle. Ces produits ont un revers pour ces nouveaux acteur qui ne sont que très peu rentable de par leur investissement dans le service clientèle, le marketing, le lancement et enfin la maintenance informatique. Mais qui ont de nombreux avantages selon d’autres points de vue tel que la fidélisation . Souvent les néo banques sont liés à des groupes bancaires classique.

 

Conclusion :

Pour conclure, le contexte des nouveaux établissement financier sont soumis à une forte concurrence. La pérennité dépend de leur axes de développement à moyen & long terme.

Mais ils sont de nos jours de bon indicateurs marketing, et permet de mieux déterminer les besoins. Cela a pour objectif de rendre le client final le plus autonome dans ses démarches, peut-être remplacé ou recréer la banque de détail.

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

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

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

 Développement :

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

Il a émis 7 grandes hypothèses comportant chacune 3 variantes.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

 

Résultat:

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

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

Conclusion:

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

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

 

Références bibliographiques :

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

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

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

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

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

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

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

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

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

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

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

Service Quality, 23(5), 410–436.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

 

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

com/mobile-life

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

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

Research, 57, 768–775.

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

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

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

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

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

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

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

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

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

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

61(1), 40–46.

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

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

10(1), 19–30.

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

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

Marketing, 6(4), 346–361.

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

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

Human Behavior, 9, 371–386.

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

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

Euromarketing, 16(3), 51–65.

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

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

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

Management, 27(2), 75–85.

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

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

Marketing, 26(6), 440–455.

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

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

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

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

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

Senior executives use of information technology. Information and Software

Technology, 43, 959–971.

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

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

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

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

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

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

208–212.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

 

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

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

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

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

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

Research, 65(11), 1590–1599.

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

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

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

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

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

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

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

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

514–528.

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

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

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

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

Science, 33(3), 330–343.

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

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

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

Susan Rose,1 Neil Hair and Moira Clark, (2011).Online Customer Experience: A Review of the Business-to-Consumer Online Purchase Context, International Journal of Management Reviews, Vol. 13, 24–39.

Mot clefs: Customer, experience, behavior, web, Online.

L’expérience client réel est devenu tout aussi importante que l’expérience client en ligne. Ce nouveau mode de consommation à amener des professionnelles à étudier et innover dans ces nouveaux modes de commercialisation. Cette étude bibliographique mène à penser que le voyage du client en ligne est animé de la même manière que son expérience en magasin physique.

Développement :

Tout d’abord, la création d’internet a créé une nouvelle économie et à altéré notre modes consommation dit « traditionnel ». L’ensemble de sites marchands ont dues prouvés ont compris que l’expérience client en ligne, et tout aussi voir plus importante que l’expérience en réel. Certains professionnelles sont aujourd’hui expert sur cette nouvelle expérience.

Puis, le site internet est devenu une vitrine auquel chaque détails à son importance. Deux grand facteurs poussent de nos jours le consommateur à revenir et conseillé ce site internet. La relation cognitive et affectueuse sont primordiaux, tel un client dont on se souviendrait le nom. Les interfaces en ligne ne laissent rien au hasards pour obtenir une identité et une relation solide avec son client. La typologie, le placement des texte, l’utilisation des couleurs, la réactivité et la qualité du site internet sont devenu des éléments primordiaux pour les sites internet.

Conclusion :

Enfin, le commerçant ne peut plus négliger l’expérience client en ligne celle-ci est devenu très importante pour que la fidélité du client puissent prospérer. Ils doivent étudier et innover sur la parcours client du site, et ajuster les fonctionnalités afin que cela soit le plus simple et ludique pour le consommateur. Il nécessite d’étudier et rechercher auprès du consommateurs la compréhension de son état émotionnel et cognitif lors de son expérience client.

 

 Références bibliographiques :

 Alba, J.W. and Hutchinson, J.W. (1987). Dimensions of con- sumer expertise. Journal of Consumer Research, 13, pp. 411–454.

Algesheimer, R. and Dholakia, P.M. (2006). Do customer communities pay off? Harvard Business Review, 84, pp. 26–30.

Arnold, M.J., Reynolds, K.E., Ponder, N. and Lueg, J.E. (2005). Customer delight in a retail context: investigating delightful and terrible shopping experiences. Journal of Business Research, 58, pp. 1132–1145.

Bagozzi, R.P., Gopinath, M. and Prashanth, U.N. (1999). The role of emotions in marketing. Journal of the Academy of Marketing Science, 27, pp. 184–206.

Balasubramanian, S., Peterson, R.A. and Jarvenpaa, S.L. (2002). Exploring the implications of M-commerce for markets and marketing. Journal of the Academy of Marketing Science, 30, 348–361.

Barnes, S.J. and Vidgen, R.T. (2006). Data triangulation and web quality metrics: a case study in e-government. Information and Management, 43, pp. 767–777.

Bart, Y., Shankar, V., Sultan, F. and Urban, G.L. (2005). Are the drivers and role of online trust the same for all web sites and consumers? A large-scale exploratory empirical study. Journal of Marketing, 69, pp. 133–152.

Bauer, H.H., Hammerschmidt, M. and Falk, T. (2005). Mea- suring the quality of e-banking portals. International Journal of Bank Marketing, 23, pp. 153–175.

Bellman, S., Lohse, G.L. and Johnson, E.J. (1999). Predic- tors of online buying behavior. Communication of the ACM, 42, pp. 32–38.

Bettman, J.R. (1979). An Information Processing Theory of Consumer Choice. Reading, MA: Addison-Wesley. Bettman, J.R., Luce, M.F. and Payne, J.W. (1998). Construc- tive consumer choice processes. Journal of Consumer Research, 25, pp. 187–217.

Bhatnagar, A., Misra, S. and Rao, H.R. (2000). On risk, convenience and Internet shopping behaviour. Communications of the ACM, 43, pp. 98–105.

Bonnin, G. (2006). Physical environment and service experience: an appropriation-based model. Journal of Services Research, 6, pp. 45–65.

Brown, J.R. and Dant, R.P. (2008). On what makes a significant contribution to the retailing literature. Journal of Retailing, 84, pp. 131–135.

Brown, M., Pope, N. and Voges, N. (2003). Buying or browsing? An exploration of shopping orientations and online purchase intention. European Journal of Marketing, 37, pp. 1666–1684.

Brucks, M. (1985). The effects of product class knowledge on information search behaviour. Journal of Consumer Research, 12, pp. 1–16.

Cai, S. and Jun, M. (2003). Internet users’ perceptions of online service quality: a comparison of online buyers and information searchers. Managing Service Quality, 13, pp. 504–519.

Cao, M., Zhang, Q. and Seydel, J. (2005). B2C e-commerce web site quality: an empirical examination. Industrial Management & Data Systems, 105, pp. 645–661.

Carbone, L. and Haeckel, S. (1994). Engineering customer experiences. Marketing Management, 3, pp. 9–11.

Cases, A.-S. (2002). Perceived risk and risk-reduction strat- egies in Internet shopping. International Review of Retail, Distribution and Consumer Research, 12, pp. 375–394.

Chen, S.-J. and Chang, T.-Z. (2003). A descriptive model of online shopping process: some empirical results. Interna- tional Journal of Service Industry Management, 14, pp. 556–569.

Chen, Z. and Dubinsky, A.J. (2003). A conceptual model of perceived customer value in e-commerce: a preliminary investigation. Psychology and Marketing, 20, pp. 323– 347.

International Journal of Management Reviews © 2010 British Academy of Management and Blackwell Publishing Ltd.

Rose, N. Hair and M. Clark Cheung, C. and Lee, M.K.O. (2000). Trust in Internet shop- ping: a proposed model and measurement instrument. Paper presented at the 6th Americas Conference on Infor- mation Systems, Long Beach, USA.

Cheung, C.M.K., Chan, G.W.W. and Limayem, M. (2005). A critical review of online consumer behaviour: empirical research. Journal of Electronic Commerce in Organiza- tions, 3, pp. 1–19.

Chih-Chung, C. and Chang, S.-C. (2005). Discussion on the behavior intention model of consumer online shopping. Journal of Business and Management, 11, pp. 41–57.

Childers, T.L., Carr, C.L., Peck, J. and Carson, S. (2001). Hedonic and utilitarian motivations for online retail shop- ping behaviour. Journal of Retailing, 77, pp. 511–535.

Cho, N. and Park, S. (2001). Development of electronic commerce user–consumer satisfaction index (ECUSI) for Internet shopping. Industrial Management & Data Systems, 101, pp. 400–405.

Christodoulides, G., de Chernatony, L., Furrer, O., Shiu, E. and Abimbola, E. (2006). Conceptualising and measuring the equity of online brands. Journal of Marketing Man- agement, 22, pp. 799–825.

Corbitt, B.J., Thanasankit, T. and Yi, H. (2003). Trust and e-commerce: a study of consumer perceptions. Electronic Commerce Research and Applications, 2, pp. 203–215.

Corner, J.L., Thompson, F., Dillon, S. and Doolin, B. (2005). Perceived risk, the Internet shopping experience and online purchasing behaviour: a New Zealand perspective. Journal of Global Information Management, 13, pp. 66–88.

Coursaris, C. and Hassanein, K. (2001). Understanding M-commerce: a consumer centric model. Quarterly Journal of Electronic Commerce, 3, pp. 247–271.

Cox, D.F. (1967a). Risk handling in consumer behaviour – an intensive study of two cases. In Cox, D.F. (ed.), Risk Taking and Information Handling in Consumer Behav- iour. Boston, MA: Graduate School of Business Admin- istration, Harvard University, pp. 34–81.

Cox, D.F. (1967b). The sorting rule model of consumer product evaluation process. In Cox, D.F. (ed.), Risk Taking and Information Handling in Consumer Behaviour. Boston, MA: Graduate School of Business Administra- tion, Harvard University, pp. 317–323.

Davis, F.D. (1989). Perceived usefulness, perceived ease-of- use and user acceptance of information technology. MIS Quarterly, 13, pp. 319–340.

Davis, F.D., Bagozzi, R.P. and Warshaw, P.R. (1992). Extrin- sic and intrinsic motivation to use computers in the work- place. Journal of Applied Social Psychology., 22, pp. 1109–1130.

Dholakia, R.R. and Uusitalo, O. (2002). Switching to elec- tronic stores: consumer characteristics and the perception of shopping benefits. International Journal of Retail & Distribution Management, 30, pp. 459–469.

Dholakia, U.M., Bagozzi, R.P. and Pearo, L.K. (2004). A social influence model of consumer participation in network and small group-based virtual communities.

International Journal of Research in Marketing, 21, pp.

241–263.

Dillon, T.W. and Reif, H.L. (2004). Factors influencing con-

sumers’ e-commerce commodity purchases. Information Technology, Learning and Performance Journal, 22, pp. 1–12.

Dowling, G.R. and Staelin, R. (1994). A model of perceived risk and intended risk-handling activity. Journal of Con- sumer Research, 21, pp. 119–134.

Edvardsson, B. (2005). Service quality: beyond cognitive assessment. Managing Service Quality, 15, pp. 127–131. Elliott, M.T. and Speck, P.S. (2005). Factors that affect atti- tude toward a retail web site. Journal of Marketing Theory and Practice, 13, pp. 40–50.

Eroglu, S.A., Machleit, K.A. and Davis, L.M. (2001). Atmospheric qualities of online retailing. A conceptual model and implications. Journal of Business Research, 54, pp. 177–184.

Eysenck, M.W. (1993). Principles of Cognitive Psychology. Hove: Lawrence Erlbaum Associates Ltd.

Flavián, C. and Guinalíu, M. (2005). The influence of virtual communities on distribution strategies in the internet. International Journal of Retail & Distribution Manage- ment, 33, pp. 405–425.

Frow, P. and Payne, A. (2007). Towards the ‘perfect’ cus- tomer experience. Journal of Brand Management, 15, pp. 89–101.

Geffen, D. (2003). TAM or just plain habit: a look at expe- rienced online shoppers. Journal of End User Computing, 15, pp. 1–13.

Geffen, D., Karahanna, E. and Straub, D.W. (2003). Trust and TAM in online shopping: an integrated model. MIS Quarterly, 27, pp. 51–90.

Gentile, C., Spiller, N. and Noci, G. (2007). How to sustain the customer experience: an overview of experience com- ponents that co-create value with the customer. European Management Journal, 25, pp. 395–410.

George, J.F. (2002). Influences on the intent to make Internet purchases. Internet Research, 12, pp. 165–180.

Grant, R., Clarke, R.J. and Kyriazis, E. (2007). A review of factors affecting online consumer search behaviour from an information value perspective. Journal of Marketing Management, 23, pp. 519–533.

Grewal, D., Levy, M. and Kumar, V. (2009). Customer expe- rience management in retailing: an organizing framework. Journal of Retailing, 85, pp. 1–14.

Ha, H.-Y. (2004). Factors affecting online relationships and impacts. Marketing Review, 4, pp. 189–209.

Ha, H.-Y. and Perks, H. (2005). Effects of consumer percep- tions of brand experience on the web: brand familiarity, satisfaction and brand trust. Journal of Consumer Behav- iour, 4, pp. 438–452.

Hair, N., Rose, S. and Clark, M. (2009). Using qualitative repertory grid techniques to explore perceptions of business-to-business online customer experience. Journal of Customer Behaviour, 8, pp. 51–65.

Hansen, T. (2005). Perspectives on consumer decision- making: an integrated approach. Journal of Consumer Behaviour, 4, pp. 420–437.

Hennig-Thurau, T., Gwinner, K.P., Walsh, G. and Gremler, D.D. (2004). Electronic word-of-mouth via consumer- opinion platforms: what motivates consumers to articulate themselves on the Internet? Journal of Interactive Mar- keting, 18, p. 38.

Hodkinson, C. and Kiel, G. (2003). Understanding web information search behaviour: an exploratory model. Journal of End User Computing, 15, pp. 27–48.

Holbrook, M.B. and Hirschman, E.C. (1982). The experien- tial aspects of consumption: consumer fantasies, feelings and fun. Journal of Consumer Research, 9, pp. 132–140.

Holloway, B.B., Wang, S. and Parish, J.T. (2005). The role of cumulative online purchasing experience in service recov- ery management. Journal of Interactive Marketing, 19, pp. 54–66.

Huang, W.-Y., Schrank, H. and Dubinsky, A.J. (2004). Effect of brand name on consumers’ risk perceptions of online shopping. Journal of Consumer Behaviour, 4, pp. 40–50.

Internet World Stats (2007). Retrieved from http:// www.Internetworldstats.com (accessed 14 March 2008).

Jaillet, H.F. (2002). Web metrics: measuring patterns in online shopping. Journal of Consumer Behaviour, 2, pp. 369–381.

Janda, S. and Ybarra, A. (2005). Do product and consumer characteristics affect the relationship between online experience and customer satisfaction? Journal of Internet Commerce, 4, pp. 133–151.

Jarvenpaa, S.L., Tractinsky, N. and Vitale, M. (2000). Con- sumer trust in an Internet store. Information Technology and Management, 1, pp. 45–71.

Jayawardhena, C. (2004). Personal values’ influence on e-shopping attitude and behaviour. Internet Research, 14, pp. 127–138.

Jin, B. and Park, J.Y. (2006). The moderating effect of online purchase experience on the evaluation of online store attributes and the subsequent impact on market response outcomes. Advances in Consumer Research, 33, pp. 203– 211.

Johnson, E.J., Moe, W.M., Fader, P.S., Bellman, S. and Lohse, G.L. (2004). On the depth and dynamics of online search behaviour. Management Science, 50, pp. 299–308.

Jones, M.A. (1999). Entertaining shopping experiences: an exploratory investigation. Journal of Retailing and Con- sumer Services, 6, pp. 129–139.

Kaynama, S.A. and Black, C.I. (2000). A proposal to assess the service quality of online travel agencies: an explor- atory study. Journal of Professional Services Marketing, 21, pp. 63–88.

Khalifa, M. and Liu, V. (2003). Satisfaction with Internet- based services: the role of expectations and desires. Inter- national Journal of Electronic Commerce, 7, pp. 31–49.

Khalifa, M. and Liu, V. (2007). Online consumer retention: contingent effects of online shopping habit and online shopping experience. European Journal of Information Systems, 16, 780–792.

Kim, Y. (2002). Consumer value: an application to mall and Internet shopping. International Journal of Retail & Distribution Management, 30, pp. 595–602.

Kim, H.-R. (2004). Developing an index of online customer satisfaction. Journal of Financial Services Marketing, 10, 49–64.

Kim, S. and Stoel, L. (2004). Apparel retailers: website quality, dimensions and satisfaction. Journal of Retailing and Consumer Services, 11, pp. 109–117.

Klein, L.R. and Ford, G.T. (2002). Consumer search for information in the digital age: an empirical study of pre- purchase search for automobiles. Advances in Consumer Research, 29, pp. 100–101.

Koufaris, M., Kambil, A. and LaBarbera, P.A. (2002). Con- sumer behaviour in web-based commerce: an empirical study. International Journal of Electronic Commerce, 6, pp. 115–138.

Kumar, N., Lang, K.R. and Peng, Q. (2005). Consumer search behaviour in online shopping environments. E-Service Journal, pp. 87–102.

Lee, G.-G. and Lin, H.-F. (2005). Customer perceptions of e-service quality in online shopping. International Journal of Retail & Distribution Management, 33, pp. 161–176.

Lee, H., Herr, P.M., Kardes, F.R. and Kim, C. (1999). Moti- vated search: effects of choice accountability, issue involvement and prior knowledge on information acqui- sition and use. Journal of Business Research, 45, pp. 75–88.

Lee, M.K.O. and Turban, E. (2001). A trust model for con- sumer Internet shopping. International Journal of Elec- tronic Commerce, 6, pp. 75–91.

Lee, Y.E. and Benbasat, I. (2003). Interface design for mobile commerce. Communications of the ACM, 46, pp. 48–52.

Lehto, X.Y., Kim, D.-Y. and Morrison, A.M. (2006). The effect of prior destination experience on online informa- tion search behaviour. Tourism and Hospitality Research, 6, pp. 160–178.

Lim, N. (2003). Consumers’ perceived risk: sources versus consequences. Electronic Commerce Research and Appli- cations, 2, pp. 216–228.

Loiacono, E.T., Watson, R.T. and Goodhue, D.L. (2002). WEBQUAL: a measure of website quality. American Marketing Association. Conference Proceedings, 13, pp. 432–438.

Mathwick, C., Malhotra, N.K. and Rigdon, E. (2001). Expe- riential value: conceptualization, measurement and appli- cation in the catalog and Internet shopping environment. Journal of Retailing, 77, pp. 39–56.

Matsuda, M. (2006). Mobile communication and selective sociality. In Ito, M., Okabe, D. and Matsuda, M. (eds), Personal, Portable, Pedestrian: Mobile Phones in Japa- nese Life. Cambridge, MA: MIT Press, pp. 123–142.

International Journal of Management Reviews © 2010 British Academy of Management and Blackwell Publishing Ltd.

Rose, N. Hair and M. Clark McKnight, D.H. and Chervany, N.L. (2001). What trust means in e-commerce customer relationships: an interdis- ciplinary conceptual typology. International Journal of Electronic Commerce, 6, pp. 35–59.

Meyer, C. and Schwager, A. (2007). Understanding cus- tomer experience. Harvard Business Review, 85, pp. 116– 126.

Mitchell, V. (1999). Consumer perceived risk: conceptual- izations and models. European Journal of Marketing, 33, pp. 163–195.

Moorman, C., Zaltman, G. and Deshpandé, R. (1992). Rela- tionships between providers and users of market research: the dynamics of trust within and between organisations. Journal of Marketing Research, 29, pp. 314–329.

Morgan, R.M. and Hunt, S.D. (1994). The commitment– trust theory of relationship marketing. Journal of Market- ing, 58, pp. 20–38.

Moynagh, M. and Worsley, R. (2002). Tomorrow’s con- sumer – the shifting balance of power. Journal of Con- sumer Behaviour, 1, pp. 293–301.

Murray, K.B. and Haubl, G. (2002). The fiction of no fric- tion: a user skills approach to cognitive lock-in. Advances in Consumer Research, 29, pp. 11–18.

Novak, T.P., Hoffman, D.L. and Yung, Y.-F. (2000). Measur- ing the customer experience in online environments: a structural modelling approach. Marketing Science, 19, pp. 22–42.

Nysveen, H. and Pedersen, P.E. (2004). An exploratory study of customers’ perception of company websites offering various interactive applications: moderating effects of customers’ Internet experience. Decision Support Systems, 37, pp. 137–150.

Palen, L., Salzman, M. and Youngs, E. (2001). Discovery and integration of mobile communications in everyday life. Pesonal and Ubiquitous Computing, 5, pp. 109–122.

Parasuraman, A. and Zinkhan, G.M. (2002). Marketing to and serving customers through the Internet: an overview and research agenda. Journal of the Academy of Market- ing Science, 30, pp. 286–295.

Perea y Monsuwé, T., Dellaert, B.G.C. and de Ruyter, K. (2004). What drives consumers to shop online? A litera- ture review. International Journal of Service Industry Management, 15, pp. 102–121.

Pine, II, B.J. and Gilmore, J.H. (1999). The Experience Economy: Work Is Theatre and Every Business A Stage. Boston, MA: Harvard Business School Press.

Poynter, R. (2008). Facebook: the future of networking with customers. International Journal of Market Research, 50, pp. 11–12.

Punj, G.N. and Staelin, R. (1983). A model of consumer information search behavior for new automobiles. Journal of Consumer Research, 9, pp. 366–380.

Quan, S. and Wang, N. (2004). Towards a structural model of the tourist experience: an illustration from food expe- riences in tourism. Tourism Management, 25, pp. 297– 305.

Rodgers, W., Negash, S. and Suk, K. (2005). The moderating effect of online experience on the antecedents and conse- quences of online satisfaction. Psychology and Market- ing, 22, pp. 313–331.

Rosa, J.A. and Malter, A.J. (2003). E-(embodied) knowledge and E-commerce: How physiological factors affect online sales of experiential products. Journal of Consumer Psy- chology, 13, pp. 63–73.

Rousseau, D.M., Bitkin, S.B., Burt, R.S. and Camerer, C. (1998). Not so different after all: a cross discipline view of trust. Academy of Management Review, 23, pp. 393– 404.

Sarker, S. and Wells, J.D. (2003). Understanding mobile handheld device use and adoption. Communications of the ACM, 46, pp. 35–40.

Schmitt, B.H. (2003). Customer Experience Management: A Revolutionary Approach to Connecting with Your Cus- tomer. Hoboken NJ: John Wiley.

Shaw, C. (2002). The DNA of Customer Experience – How Emotions Drive Value. New York: Palgrave.

Shchiglik, C. and Barnes, S.J. (2004). Evaluating website quality in the airline industry. Journal of Computer Infor- mation Systems, 44, pp. 17–25.

Shim, S., Eastlick, M.A., Lotz, S.L. and Warrington, P. (2001). An online pre-purchase intentions model: the role of intention to search. Journal of Retailing, 77, pp. 397– 416.

Shiv, B. and Fedorikhin, A. (1999). Heart and mind in con- flict. The interplay of affect and cognition in consumer decision-making. Journal of Consumer Research, 26, pp. 278–292.

So, W.C.M., Wong, T.N.D. and Sculli, D. (2005). Factors affecting intentions to purchase via the Internet. Indus- trial Management & Data Systems, 105, pp. 1225–1244.

Stewart, K.J. (1999). Transference as a means of building trust in world wide web sites. Proceedings of the 20th International Conference on Information Systems, 1999 pp. 459–464.

Suh, B. and Han, I. (2003). The impact of customer trust and perception of security control on the acceptance of elec- tronic commerce. International Journal of Electronic Commerce, 7, pp. 135–161.

Summers, J.O. (2001). Guidelines for conducting research and publishing in Marketing: from conceptualization through the review process. Journal of the Academy of Marketing Science, 29, pp. 405–401.

Tan, F.B. and Sutherland, P. (2004). Online consumer trust: a multi-dimensional model. Journal of Electronic Com- merce in Organizations, 2, pp. 41–59.

Teo, T.S.H. (2002). Attitudes toward online shopping and the Internet. Behaviour & Information Technology, 21, pp. 259–271.

Trabold, L.M., Heim, G.R. and Field, J.M. (2006). Compar- ing e-service performance across industry sectors. Inter- national Journal of Retail & Distribution Management, 34, pp. 240–257.

Tranfield, D., Denyer, D. and Smart, P. (2003). Towards a methodology for developing evidence-informed manage- ment knowledge by means of systematic review. British Journal of Management, 14, pp. 207–222.

Trevino, L.K. and Webster, J. (1992). Flow in computer- mediated computer communication: electronic mail and voice mail evaluation and impacts. Communication Research, 19, pp. 539–573.

Tsai, S.-P. (2005). Integrated marketing as management of holistic consumer experience. Business Horizons, 8, pp. 431–441.

US Census Bureau (2009). Wholesale and retail trading: online retail sales. Available at http://www.census.gov/ compendia/statab/cats/wholesale_retail_trade/ online_retail_sales.html (accessed 13 November 2009).

van der Heijden, H., Verhagen, T. and Creemers, M. (2003). Understanding online purchase intentions: contributions from technology and trust perspectives. European Journal of Information Systems, 12, pp. 41–48.

Varshney, U. and Vetter, R. (2002). Mobile commerce: framework, applications and networking support. Mobile Networks and Applications, 7, pp. 185–198.

Vijayasarathy, L.R. and Jones, J.M. (2000). Print and Inter- net catalog shopping: assessing attitudes and intentions. Internet Research, 10, pp. 191–200.

Watson, R.T., Akselsen, S. and Pitt, L.F. (1998). Attractors: building mountains in the flat landscape of the world wide web. California Management Review, 40, pp. 36–56.

Wolfinbarger, M. and Gilly, M.C. (2001). Shopping online for freedom, control and fun. California Management Review, 43, pp. 34–55.

Wood, C.M. and Scheer, L.K. (1996). Incorporating per- ceived risk into models of consumer deal assessment and purchased intention. Advances in Consumer Research, 23, pp. 399–404.

Zeng, M. and Reinartz, W. (2003). Beyond online search: the road to profitability. California Management Review, 45, pp. 107–130.

Amit Shankara, Charles Jebarajakirthyb, Md Ashaduzzamanb, (2020), How do electronic word of mouth practices contribute to mobile banking adoption ? Journal of Retailing and Consumer Services.

Mot clefs : Mobile banking ;Electronic ; word of mouth ; Elaboration likelihood model ; Moderated mediation ;Initial trust.

 Amit Shankara, Charles Jebarajakirthyb et Md Ashaduzzamanb demontrent l’importance du “electronic word-of-mouth” soit l’équivalent du « bouche à oreille électronique » dans le secteur du commerce en ligne. Ce processus fait référence à une recommandation orale ou écrite d’un client satisfait à d’autres clients potentiels.Le secteur du service bancaire mobile est mis en avant dans cette étude, du fait que nous sommes dans un ère ou le service en ligne connait un croissance d’autant plus accrue ces dernières années, mais il est aussi un des modèles les plus rentable.

Développement :

L’objectif principal de cette étude est d’analyser le mécanisme de médiation pour améliorer le comportement d’adoption de la banque mobile. Bien que l’influence des déclencheurs eWOM sur l’intention d’achat ou d’adoption ait été étudiée dans le contexte d’autres produits ou services, la littérature ne montre pas comment les déclencheurs eWOM positifs affectent l’intention d’adoption par l’achat ou l’adoption. L’ensemble des données analysées est basé sur un total de 1153 enquêtes. Ce type d’échange d’informations de personne à personne affecte la prise de décision des consommateurs et met en lumière l’importance de la stratégie marketing pour motiver les individus à avoir confiance et à se fidéliser à ces services en ligne. En effet, le WOM a un meilleur impact sur les ventes de produits et la crédibilité des services car il est personnel et authentique,  et fourni par les personnes qui ont utilisé le produit ou le service.

En ce sens, avec l’avènement d’Internet, le bouche à oreille est devenu un sujet considérable ces dernières années. Les principes de base comme la qualité du service induite par une facilité de gestion de ses activités financières en ligne, sans contraintes de temps et de lieu notamment, le prix, la sécurité et la confiance (facteurs techniques principaux), la cohérence sont considérés comme des variables ayant une relation directe les unes entre elles, qui déclenchent le WOM.

 Conclusion :

Les résultats ont montré que parmi les déclencheurs eWOM, les arguments de qualité, de puissance et de cohérence augmentent considérablement la volonté d’adopter la banque mobile en ligne. La confiance initiale sert d’intermédiaire entre ces déclencheurs eWOM et l’intention d’adopter les services bancaires mobiles.

Cette étude fournit des suggestions aux banques sur la manière d’utiliser l’eWOM actif pour motiver les consommateurs à adopter les services bancaires mobiles.

 

Références bibliographiques

Aboelmaged, M., Gebba, T.R., 2013. Mobile banking adoption: an examination of tech- nology acceptance model and theory of planned behavior. Int. J. Biol. Res. Dev. 2 (1), 35–50.

Amed, I., Berg, A., Brantberg, L., Hedrich, S., Leon, J., Young, R., 2017. The State of Fashion 2017, New York.

Akturan, U., Tezcan, N., 2012. Mobile banking adoption of the youth market: perceptions and intentions. Market. Intell. Plan. 30 (4), 444–459.

Alalwan, A.A., Dwivedi, Y.K., Rana, N.P., 2017. Factors influencing adoption of mobile banking by Jordanian bank customers: extending UTAUT2 with trust. Int. J. Inf. Manag. 37 (3), 99–110.

Augusto, M., Torres, P., 2018. Effects of brand attitude and eWOM on consumers’ will- ingness to pay in the banking industry: mediating role of consumer-brand identifi- cation and brand equity. J. Retail. Consum. Serv. 42, 1–10.

Berezina, K., Bilgihan, A., Cobanoglu, C., Okumus, F., 2016. Understanding satisfied and dissatisfied hotel customers: text mining of online hotel reviews. J. Hosp. Mark. Manag. 25 (1), 1–24.

Bhattacherjee, A., Sanford, C., 2006. Influence processes for information technology ac- ceptance: an elaboration likelihood model. MIS Q. 30 (4), 805–825.

Byrne, B.M., 2009. Structural Equation Modeling with AMOS: Basic Concepts, Applications, and Programming, 2nd ed. Taylor & Francis, New York, NY.

Bronner, F., de Hoog, R., 2016. Travel websites: changing visits, evaluations and posts. Ann. Tourism Res. 57, 94–112.

Bryman, A., 2012. Social Research Methods, fourth ed. Oxford University Press, New York.

Burns, A.C., Bush, R.F., 2003. Marketing Research, fourth ed. Pearson Education, Upper

Saddle River, NJ.

Canhoto, A.I., Clark, M., 2013. Customer service 140 characters at a time: the users’

perspective. J. Mark. Manag. 29 (5–6), 522–544.

Chan, Y.Y., Ngai, E.W., 2011. Conceptualising electronic word of mouth activity: an

input-process-output perspective. Market. Intell. Plan. 29 (5), 488–516.

Chaouali, W., Souiden, N., 2019. The role of cognitive age in explaining mobile banking

resistance among elderly people. J. Retail. Consum. Serv. 50, 342–350.

Cheah, C.M., Teo, A.C., Sim, J.J., Oon, K.H., Tan, B.I., 2011. Factors affecting Malaysian mobile banking adoption: an empirical analysis. Int. J. Network Mob. Technol. 2 (3),

149–160.

Chemingui, H., Ben lallouna, H., 2013. Resistance, motivations, trust and intention to use

mobile financial services. Int. J. Bank Mark. 31 (7), 574–592.

Chen, P.Y., Wu, S.Y., Yoon, J., 2004. The impact of online recommendations and con-

sumer feedback on sales. In: ICIS 2004 Proceedings, pp. 711–724.

Chen, J., Teng, L., Yu, Y., Yu, X., 2016. The effect of online information sources on purchase intentions between consumers with high and low susceptibility to in-

formational influence. J. Bus. Res. 69 (2), 467–475.

Cheung, C.M., Lee, M.K., 2012. What drives consumers to spread electronic word of

mouth in online consumer-opinion platforms. Decis. Support Syst. 53 (1), 218–225. Cheung, C.M., Thadani, D.R., 2012. The impact of electronic word-of-mouth commu- nication: a literature analysis and integrative model. Decis. Support Syst. 54 (1),

461–470.

Cheung, C.M., Lee, M.K., Thadani, D.R., 2009. The impact of positive electronic word-of-

mouth on consumer online purchasing decision. In: World Summit on Knowledge

Society, pp. 501–510.

Chevalier, J.A., Mayzlin, D., 2006. The effect of word of mouth on sales: online book

reviews. J. Mark. Res. 43 (3), 345–354.

Cheung, G.W., Lau, R.S., 2008. Testing mediation and suppression effects of latent var-

iables:bootstrapping with structural equation models. Organ. Res. Methods 11 (2),

296–325.

Chu, S.C., Kim, Y., 2011. Determinants of consumer engagement in electronic word-of-

mouth (eWOM) in social networking sites. Int. J. Advert. 30 (1), 47–75. Dellarocas, C., Zhang, X.M., Awad, N.F., 2007. Exploring the value of online product

reviews in forecasting sales: the case of motion pictures. J. Interact. Mark. 21 (4),

23–45.

Delone, W.H., McLean, E.R., 2003. The DeLone and McLean model of information systems

success: a ten-year update. J. Manag. Inf. Syst. 19 (4), 9–30.

Deutskens, E., De Ruyter, K., Wetzels, M., 2006. An assessment of equivalence between

online and mail surveys in service research. J. Serv. Res. 8 (4), 346–355. Dichter, E., 1966. How word-of-mouth advertising works. Harv. Bus. Rev. 44 (6),

147–160.

Doh, S.J., Hwang, J.S., 2009. How consumers evaluate eWOM (electronic word-of-mouth)

messages. Cyberpsychol. Behav. 12 (2), 193–197.

Duan, W., Gu, B., Whinston, A.B., 2008. Do online reviews matter?-An empirical in-

vestigation of panel data. Decis. Support Syst. 45 (4), 1007–1016.

Duffy, B., Smith, K., Terhanian, G., Bremer, J., 2005. Comparing data from online and

face-to-face surveys. Int. J. Mark. Res. 47 (6), 615–639.

Eagly, A.H., Chaiken, S., 1993. The Psychology of Attitudes. Harcourt Brace Jovanovich

College Publishers, Orlando, FL, US.

Erkan, I., Evans, C., 2016. The influence of eWOM in social media on consumers’ purchase

intentions: an extended approach to information adoption. Comput. Hum. Behav. 61,

47–55.

Filieri, R., McLeay, F., 2014. E-WOM and accommodation: an analysis of the factors that

influence travelers’ adoption of information from online reviews. J. Travel Res. 53

(1), 44–57.

Floyd, K., Freling, R., Alhoqail, S., Cho, H.Y., Freling, T., 2014. How online product re-

views affect retail sales: A meta-analysis. J. Retail. 90 (2), 217–232.

Fornell, C., Larcker, D.F., 1981. Evaluating structural equation models with unobservable

variables and measurement error. J. Mark. Res. 18 (1), 39–50.

Giovanis, A., Athanasopoulou, P., Assimakopoulos, C., Sarmaniotis, C., 2019. Adoption of

mobile banking services: a comparative analysis of four competing theoretical

models. Int. J. Bank Mark. 37 (5), 1165–1189.

Glavee-Geo, R., Shaikh, A.A., Karjaluoto, H., 2017. Mobile banking services adoption in

Pakistan: are there gender differences? Int. J. Bank Mark. 35 (7), 1090–1114. Gopinath, S., Thomas, J.S., Krishnamurthi, L., 2014. Investigating the relationship be- tween the content of online word of mouth, advertising, and brand performance.

Mark. Sci. 33 (2), 241–258.

Hair, J.F., Anderson, R.E., Babin, B.J., Black, W.C., 2010. Multivariate Data Analysis: A

Global Perspective, vol. 7 Pearson Education, Upper Saddle River, NJ.

Hayes, A.F., 2012. PROCESS: a versatile computational tool for observed variable med-

iation, moderation, and conditional process modeling. White paper. http://www.

afhayes.com/public/process2012.pdf.

Hennig-Thurau, T., Gwinner, K.P., Walsh, G., Gremler, D.D., 2004. Electronic word‐of‐-

mouth via consumer‐opinion platforms: what motivates consumers to articulate

themselves on the internet? J. Interact. Mark. 18 (1), 38–52.

Herold, K., Tarkiainen, A., Sundqvist, S., 2016. How the source of word-of-mouth influ-

ences information processing in the formation of brand attitudes. J. Mark. High.

Educ. 26 (1), 64–85.

Jebarajakirthy, C., Lobo, A., Hewege, C., 2015. Enhancing youth’s attitudes towards

microcredit in the bottom of the pyramid markets. Int. J. Consum. Stud. 39 (2),

180–192.

Junglas, I., Watson, R.T., 2006. The u-constructs: four information drives. Commun.

Assoc. Inf. Syst. 17 (1), 569–592.

Juniper Research, 2013. Mobile banking handset and tablet market strategies 2013–2017.

http://www.juniperresearch.com/reports/mobile_banking.

Kalinic, Z., Marinkovic, V., Molinillo, S., Liébana-Cabanillas, F., 2019. A multi-analytical

12

1. Shankar, et al.

Journal of Retailing and Consumer Services 52 (2020) 101920

approach to peer-to-peer mobile payment acceptance prediction. J. Retail. Consum.

Serv. 49, 143–153.

Kim, D.J., Ferrin, D.L., Rao, H.R., 2009. Trust and satisfaction, two stepping stones for

successful e-commerce relationships: a longitudinal exploration. Inf. Syst. Res. 20 (2),

237–257.

Kim, W.G., Lim, H., Brymer, R.A., 2015. The effectiveness of managing social media on

hotel performance. Int. J. Hosp. Manag. 44, 165–171.

Ko, E., Kim, E.Y., Lee, E.K., 2009. Modeling consumer adoption of mobile shopping for

fashion products in Korea. Psychol. Mark. 26 (7), 669–687.

Koenig-Lewis, N., Palmer, A., Moll, A., 2010. Predicting young consumers’ take up of

mobile banking services. Int. J. Bank Mark. 28 (5), 410–432.

Koksal, M.H., 2016. The intentions of Lebanese consumers to adopt mobile banking. Int.

346. Bank Mark. 34 (3), 327–346.

Krishnamurthy, A., Kumar, S.R., 2018. Electronic word-of-mouth and the brand image:

exploring the moderating role of involvement through a consumer expectations lens.

156. Retail. Consum. Serv. 43, 149–156.

Kudeshia, C., Kumar, A., 2017. Social eWOM: does it affect the brand attitude and pur-

chase intention of brands? Manag. Res. Rev. 40 (3), 310–330.

Ladhari, R., Michaud, M., 2015. eWOM effects on hotel booking intentions, attitudes,

trust, and website perceptions. Int. J. Hosp. Manag. 46, 36–45.

Laukkanen, T., 2016. Consumer adoption versus rejection decisions in seemingly similar service innovations: the case of the Internet and mobile banking. J. Bus. Res. 69 (7),

2432–2439.

Lee, S.H., 2009. How do online reviews affect purchasing intention? Afr. J. Bus. Manag. 3

(10), 576–581.

Lee, K.C., Chung, N., 2009. Understanding factors affecting trust in and satisfaction with

mobile banking in Korea: a modified DeLone and McLean’s model perspective.

Interact. Comput. 21 (5–6), 385–392.

Lee, J., Lee, J.N., 2009. Understanding the product information inference process in

electronic word-of-mouth: an objectivity–subjectivity dichotomy perspective. Inf.

Manag. 46 (5), 302–311.

Lee, M., Youn, S., 2009. Electronic word of mouth (eWOM) How eWOM platforms in-

fluence consumer product judgement. Int. J. Advert. 28 (3), 473–499.

Lee, J., Park, D.H., Han, I., 2008. The effect of negative online consumer reviews on

product attitude: an information processing view. Electron. Commer. Res. Appl. 7 (3),

341–352.

Lee, M., Rodgers, S., Kim, M., 2009. Effects of valence and extremity of eWOM on attitude

toward the brand and website. J. Curr. Issues Res. Advert. 31 (2), 1–11.

Li, X., Hitt, L.M., 2008. Self-selection and information role of online product reviews. Inf.

Syst. Res. 19 (4), 456–474.

Liao, Z., Shi, X., 2017. Web functionality, web content, information security, and online

tourism service continuance. J. Retail. Consum. Serv. 39, 258–263.

Lin, H.F., 2011. An empirical investigation of mobile banking adoption: the effect of

innovation attributes and knowledge-based trust. Int. J. Inf. Manag. 31 (3), 252–260. Liu, Y., 2006. Word of mouth for movies: its dynamics and impact on box office revenue.

89. Mark. 70 (3), 74–89.

Liu, C., Arnett, K.P., 2000. Exploring the factors associated with Web site success in the

context of electronic commerce. Inf. Manag. 38 (1), 23–33.

Luo, Q., Zhong, D., 2015. Using social network analysis to explain communication

characteristics of travel-related electronic word-of-mouth on social networking sites.

Tour. Manag. 46, 274–282.

Luo, X., Li, H., Zhang, J., Shim, J.P., 2010. Examining multi-dimensional trust and multi-

faceted risk in initial acceptance of emerging technologies: an empirical study of

mobile banking services. Decis. Support Syst. 49 (2), 222–234.

Malhotra, N.K., Kim, S.S., Patil, A., 2006. Common method variance in IS research: a

comparison of alternative approaches and a reanalysis of past research. Manag. Sci.

52 (12), 1865–1883.

Mallat, N., Rossi, M., Tuunainen, V.K., 2004. Mobile banking services. Commun. ACM 47

(5), 42–46.

Matute, J., Polo-Redondo, Y., Utrillas, A., 2016. The influence of EWOM characteristics

on online repurchase intention: mediating roles of trust and perceived usefulness.

Online Inf. Rev. 40 (7), 1090–1110.

Mills, L.A., Knezek, G., Khaddage, F., 2014. Information Seeking, Information Sharing,

and going mobile: three bridges to informal learning. Comput. Hum. Behav. 32,

324–334.

Mullan, J., Bradley, L., Loane, S., 2017. Bank adoption of mobile banking: stakeholder

perspective. Int. J. Bank Mark. 35 (7), 1154–1174.

Mo Kwon, J., Bae, J.I., Blum, S.C., 2013. Mobile applications in the hospitality industry. J.

Hospit. Tourism Technol. 4 (1), 81–92.

Mortazavi, M., Rahim Esfidani, M., Shaemi Barzoki, A., 2014. Influencing VSN users’

purchase intentions: the roles of flow, trust and eWOM. J. Res. Indian Med. 8 (2),

102–123.

Moser, F., 2015. Mobile banking: a fashionable concept or an institutionalized channel in

future retail banking? Analyzing patterns in the practical and academic mobile

banking literature. Int. J. Bank Mark. 33 (2), 162–177.

Muller, D., Judd, C.M., Yzerbyt, V.Y., 2005. When moderation is mediated and mediation

is moderated. J. Personal. Soc. Psychol. 89 (6), 852–863.

Muskat, M., Muskat, B., Zehrer, A., Johns, R., 2013. Generation Y: evaluating services

experiences through mobile ethnography. Tour. Rev. 68 (3), 55–71.

Park, D.H., Lee, J., 2008. eWOM overload and its effect on consumer behavioral intention depending on consumer involvement. Electron. Commer. Res. Appl. 7 (4), 386–398. Park, C., Lee, T.M., 2009. Information direction, website reputation and eWOM effect: a

moderating role of product type. J. Bus. Res. 62 (1), 61–67.

Park, D.H., Lee, J., Han, I., 2007. The effect of on-line consumer reviews on consumer

purchasing intention: the moderating role of involvement. Int. J. Electron. Commer. 11 (4), 125–148.

Petty, R.E., Cacioppo, J.T., 1983. Central and peripheral routes to persuasion: application to advertising. Advert. Consum. Psychol. 1, 3–23.

Petty, R.E., Cacioppo, J.T., 1984. The effects of involvement on responses to argument quantity and quality: central and peripheral routes to persuasion. J. Personal. Soc. Psychol. 46 (1), 69–81.

Petty, R.E., Cacioppo, J.T., 1986. The elaboration likelihood model of persuasion. In: Communication and Persuasion. Springer, New York.

Pitta, D.A., Fowler, D., 2005. Online consumer communities and their value to new product developers. J. Prod. Brand Manag. 14 (5), 283–291.

Podsakoff, P.M., Organ, D.W., 1986. Self-reports in organizational research: problems and prospects. J. Manag. 12 (4), 531–544.

Preacher, K.J., Rucker, D.D., Hayes, A.F., 2007. Addressing moderated mediation hy- potheses: theory, methods, and prescriptions. Multivar. Behav. Res. 42 (1), 185–227.

Premazzi, K., 2010. Trust in online customer-firm interaction: a literature review and directions for research. Int. J. Electron. Commer. 14, 63–91.

Premazzi, K., Castaldo, S., Grosso, M., Raman, P., Brudvig, S., Hofacker, C.F., 2010. Customer information sharing with e-vendors: the roles of incentives and trust. Int. J. Electron. Commer. 14 (3), 63–91.

Richins, M.L., 1983. Negative word-of-mouth by dissatisfied consumers: a pilot study. J. Mark. 47 (1), 68–78.

Robson, C., 2011. Real World Research, third ed. Wiley, UK.

Roy, G., Datta, B., Basu, R., 2017. Effect of eWOM valence on online retail sales. Glob.

Bus. Rev. 18 (1), 198–209.

Ruiz-Mafe, C., Chatzipanagiotou, K., Curras-Perez, R., 2018. The role of emotions and

conflicting online reviews on consumers’ purchase Intentions. J. Bus. Res. 89,

336–344.

Saunders, M., Lewis, P., Thornhill, A., 2009. Research Methods for Business Students.

Pearson education, Essex.

See-To, E.W., Ho, K.K., 2014. Value co-creation and purchase intention in social network

sites: the role of electronic Word-of-Mouth and trust–A theoretical analysis. Comput.

Hum. Behav. 31, 182–189.

Sen, S., Lerman, D., 2007. Why are you telling me this? An examination into negative

consumer reviews on the web. J. Interact. Mark. 21 (4), 76–94.

Shaikh, A.A., Karjaluoto, H., 2015. Mobile banking adoption: a literature review.

Telematics Inf. 32 (1), 129–142.

Shankar, A., Jebarajakirthy, C., 2019. The influence of e-banking service quality on

customer loyalty: a moderated mediation approach. Int. J. Bank Mark. 37 (5),

1119–1142.

Shankar, A., Kumari, P., 2016. Factors affecting mobile banking adoption behavior in

India. J. Internet Bank. Commer. 21 (1), 1–24.

Shareef, M.A., Baabdullah, A., Dutta, S., Kumar, V., Dwivedi, Y.K., 2018. Consumer

adoption of mobile banking services: an empirical examination of factors according

to adoption stages. J. Retail. Consum. Serv. 43, 54–67.

Singh, S., Srivastava, R.K., 2018. Predicting the intention to use mobile banking in India.

Int. J. Bank Mark. 36 (2), 357–378.

Sigala, M., Evangelos, C., Ulrike, G., 2012. Social Media in Travel, Tourism and

Hospitality: Theory, Practice and Cases. Ashgate, UK.

Soares, A.M., Pinho, J.C., Nobre, H., 2012. From social to marketing interactions: the role

of social networks. J. Transnatl. Manag. 17 (1), 45–62.

Sreejesh, S., Anusree, M.R., Mitra, A., 2016. Effect of information content and form on

customers’ attitude and transaction intention in mobile banking Moderating role of

perceived privacy concern. Int. J. Bank Mark. 34 (7), 1092–1113.

Schneider, B., Ehrhart, M.G., Mayer, D.M., Saltz, J.L., Niles-Jolly, K., 2005. Understanding organization-customer links in service settings. Acad. Manag. J. 48 (6), 1017–1032. Steffes, E.M., Burgee, L.E., 2009. Social ties and online word of mouth. Internet Res. 19

(1), 42–59.

Stewart, D., 2009. Say hello to mobile banking. ABA Bank. Mark. 41 (5), 16–23. Tabachnick, B.G., Fidell, L.S., 2012. Using Multivariate Statistics, sixth ed. Pearson

Education, New York.

Tam, C., Oliveira, T., 2016. Understanding the impact of m-banking on individual per-

formance: DeLone & McLean and TTF perspective. Comput. Hum. Behav. 61,

233–244.

Teng, S., Wei Khong, K., Wei Goh, W., Yee Loong Chong, A., 2014. Examining the

antecedents of persuasive eWOM messages in social media. Online Inf. Rev. 38 (6),

746–768.

The State of Broadband, 2016. Broadband Catalyzing Sustainable Development. http://

www.broadbandcommission.org/Documents/reports/bb-annualreport2016.pdf,

Accessed date: 12 March 2018.

Tran, H.T.T., Corner, J., 2016. The impact of communication channels on mobile banking adoption. Int. J. Bank Mark. 34 (1), 78–109.

Wang, R.Y., Strong, D.M., 1996. Beyond accuracy: what data quality means to data consumers. J. Manag. Inf. Syst. 12 (4), 5–33.

Woodside, A.G., 2013. Moving beyond multiple regression analysis to algorithms: Calling for adoption of a paradigm shift from symmetric to asymmetric thinking in data analysis and crafting theory. J. Bus. Res. 66 (4), 463–472.

Weisstein, F.L., Song, L., Andersen, P., Zhu, Y., 2017. Examining impacts of negative reviews and purchase goals on consumer purchase decision. J. Retail. Consum. Serv. 39, 201–207.

Wessels, L., Drennan, J., 2010. An investigation of consumer acceptance of M-banking. Int. J. Bank Mark. 28 (7), 547–568.

Yang, S., 2016. Role of transfer-based and performance-based cues on initial trust in mobile shopping services: a cross-environment perspective. Inf. Syst. E Bus. Manag. 14 (1), 47–70.

Yang, K., Li, X., Kim, H., Kim, Y.H., 2015. Social shopping website quality attributes increasing consumer participation, positive eWOM, and co-shopping: the re- ciprocating role of participation. J. Retail. Consum. Serv. 24, 1–9.

Yin, D., Mitra, S., Zhang, H., 2016. Research note-When do consumers value positive vs. negative reviews? An empirical investigation of confirmation bias in online word of mouth. Inf. Syst. Res. 27 (1), 131–144.

Yu, C.S., 2012. Factors affecting individuals to adopt mobile banking: empirical evidence from the UTAUT model. J. Electron. Commer. Res. 13 (2), 104–121.

Zhang, J.Q., Craciun, G., Shin, D., 2010. When does electronic word-of-mouth matter? A study of consumer product reviews. J. Bus. Res. 63 (12), 1336–1341.

Zhang, L., Wu, L., Mattila, A.S., 2016. Online reviews: the role of information load and peripheral factors. J. Travel Res. 55 (3), 299–310.

Zhang, T., Abound Omran, B., Cobanoglu, C., 2017. Generation Y’s positive and negative eWOM: use of social media and mobile technology. Int. J. Contemp. Hosp. Manag. 29 (2), 732–761.

Zhou, T., 2012. Understanding users’ initial trust in mobile banking: an elaboration likelihood perspective. Comput. Hum. Behav. 28 (4), 1518–1525.

Zhang, Y., 1996. Chinese consumers’ evaluation of foreign products: the influence of culture, product types and product presentation format. Eur. J. Market. 30 (12), 50–68.

Zhou, T., Lu, Y., Wang, B., 2010. Integrating TTF and UTAUT to explain mobile banking user adoption. Comput. Hum. Behav. 26 (4), 760–767.

Zhu, F., Zhang, X., 2010. Impact of online consumer reviews on sales: the moderating role of product and consumer characteristics. J. Mark. 74 (2), 133–148.

Rashmini Sharma, Gurmeet Singh*(2020), Shavneet SharmaModelling internet banking adoption in Fiji: A developing country perspective, International Journal of Information Management.

Mot clefs:  Internet banking; UTAUT; Perceived risk; Customer satisfaction; Behavioral intention; Usage behavior Culture; Fiji

Cette recherche adopte une approche quantitative de l’intention d’adopter les services bancaires via internet, des utilisateurs résidants aux îles Fidji. Elle recueille les données auprès de 530 répondants. Cette étude a été réalisée dans le but d’identifier et d’examiner les facteurs qui influent sur l’intention des clients d’adopter les services bancaires en ligne  du point de vue des pays en développement.

Développement :

Selon l’étude de Rashmini Sharma, Gurmeet Singh, Shavneet Sharma, la banque en ligne a un impact positif sur le comportement des utilisateurs et, en fin de compte, sur la satisfaction des clients. Le cadre de l’étude est développé en étendant le modèle de la « Unified Theory of Acceptance and Use of Technology » (UTAUT)permet d’expliquer l’intention des utilisateurs à utiliser un système d’information. Elle intègre la satisfaction du client, les risques perçues ainsi que les habitudes culturels.

L’étude montre également que l’incertitude réduit l’impact des attentes de performance et facilite l’intention d’adopter des services en ligne.

L’analyse met l’accent sur l’importance des valeurs culturelles personnelles dans la promotion de l’adoption de la banque en ligne.

Plusieurs facteurs importants sont pris en compte durant leur analyse quantitative, tel l’espérance de performance, l’effort et l’influence sociale dans les cultures collectivistes qui se basent beaucoup sur les recommandations sociales. Ce sont ces facteurs qui influencent l’intention des clients en phase d’adoption du service en ligne. Ils ont constaté que le caractère ludique et la conception de sites Web contribuaient à l’intention d’adoption des clients. La praticité et la sécurité sont tout de même de grand facteur qui permettent l’accroissement du développement de la banque en ligne.

 

 

Conclusion :

 

Les résultats obtenus suggèrent que l’adoption des services bancaires en ligne est dirigée par les niveaux d’espérance de performance, d’influence sociale ainsi que de conditions d’utilisation. L’adoption des services bancaires en ligne est encore à son début, dans un pays en développement. Dans ce contexte la  protection des données avec les services en ligne, est-il un facteurs qui freinent encore le développement des services bancaire via sites web et application sur smartphone ?

 

Références bibliographiques :

Abbasi, M. S., Tarhini, A., Elyas, T., & Shah, F. (2015). Impact of individualism and collectivism over the individual’s technology acceptance behaviour: A multi-group analysis between Pakistan and Turkey. Journal of Enterprise Information Management, 28(6), 747–768.

AbuShanab, E., Pearson, J. M., & Setterstrom, A. J. (2010). Internet banking and custo- mers’ acceptance in Jordan: The unified model’s perspective. Communications of the Association for Information Systems, 26(1), 23.

Ajzen, I. (1991). The theory of planned behaviour. Organizational Behaviour and Human Decision Processes, 50(2), 179–211.

Al Kailani, M., & Kumar, R. (2011). Investigating uncertainty avoidance and perceived risk for impacting Internet buying: A study in three national cultures. International Journal of Business and Management, 6(5), 76.

Alalwan, A. A., Dwivedi, Y. K., & Rana, N. P. (2017). Factors influencing adoption of mobile banking by Jordanian bank customers: Extending UTAUT2 with trust. International Journal of Information Management, 37(3), 99–110.

Alalwan, A. A., Dwivedi, Y. K., Rana, N. P., & Algharabat, R. (2018). Examining factors influencing Jordanian customers’ intentions and adoption of internet banking: Extending UTAUT2 with risk. Journal of Retailing and Consumer Services, 40, 125–138.

Alalwan, A. A., Dwivedi, Y. K., Rana, N. P., Lal, B., & Williams, M. D. (2015). Consumer adoption of Internet banking in Jordan: Examining the role of hedonic motivation, habit, self-efficacy and trust. Journal of Financial Services Marketing, 20(2), 145–157.

Alalwan, A. A., Dwivedi, Y. K., Rana, N. P., & Williams, M. D. (2016). Consumer adoption of mobile banking in Jordan: Examining the role of usefulness, ease of use, perceived risk and self-efficacy. Journal of Enterprise Information Management, 29(1), 118–139.

Aldás-Manzano, J., Lassala-Navarré, C., Ruiz-Mafé, C., & Sanz-Blas, S. (2009). The role of consumer innovativeness and perceived risk in online banking usage. International Journal of Bank Marketing, 27(1), 53–75.

Alhirz, H., & Sajeev, A. (2015). Do cultural dimensions differentiate ERP acceptance? A study in the context of Saudi Arabia. Information Technology and People, 28(1), 163–194.

Al-Smadi, M. O. (2012). Factors affecting adoption of electronic banking: An analysis of the perspectives of banks’ customers. International Journal of Research in Business and Social Science, 3(17), 294.

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

Alvesson, M., & Kärreman, D. (2007). Constructing mystery: Empirical matters in theory development. The Academy of Management Review, 32(4), 1265–1281.

Amin, M. (2016). Internet banking service quality and its implication on e-customer sa- tisfaction and e-customer loyalty. International Journal of Bank Marketing.

Arnould, E. J., & Thompson, C. J. (2005). Consumer culture theory (CCT): Twenty years of research. The Journal of Consumer Research, 31(4), 868–882.

Ashraf, A. R., Thongpapanl, N., & Auh, S. (2014). The application of the technology ac- ceptance model under different cultural contexts: The case of online shopping adoption. Journal of International Marketing, 22(3), 68–93.

Ayo, C. K., Oni, A. A., Adewoye, O. J., & Eweoya, I. O. (2016). E-banking users’ behaviour: E-service quality, attitude, and customer satisfaction. International Journal of Bank Marketing, 34(3), 347–367.

Baabdullah, A. M., Rana, N. P., Alalwan, A. A., Islam, R., Patil, P., & Dwivedi, Y. K. (2019). Consumer adoption of self-service technologies in the context of the Jordanian banking industry: Examining the moderating role of channel types. Information Systems Management, 36(4), 286–305.

Baptista, G., & Oliveira, T. (2015). Understanding mobile banking: The unified theory of acceptance and use of technology combined with cultural moderators. Computers in Human Behavior, 50, 418–430.

Baskerville, R. F. (2003). Hofstede never studied culture. Accounting Organizations and Society, 28(1), 1–14.

Bauer, R. A., & Cox, D. F. (1967). Risk taking and information handling in consumer behavior. Boston: Harvard University469–486.

Blut, M., Wang, C., & Schoefer, K. (2016). Factors influencing the acceptance of self- service technologies: A meta-analysis. Journal of Service Research, 19(4), 396–416. Boateng, H., Adam, D. R., Okoe, A. F., & Anning-Dorson, T. (2016). Assessing the de-

terminants of internet banking adoption intentions: A social cognitive theory per-

spective. Computers in Human Behavior, 65, 468–478.

Brown, S. A., Dennis, A. R., & Venkatesh, V. (2010). Predicting collaboration technology

use: Integrating technology adoption and collaboration research. Journal of

Management Information Systems, 27(2), 9–54.

Calhoun, K. J., Teng, J. T., & Cheon, M. J. (2002). Impact of national culture on

information technology usage behaviour: An exploratory study of decision making in

Korea and the USA. Behaviour & Information Technology, 21(4), 293–302.

Cardon, P. W., & Marshall, B. A. (2008). National culture and technology acceptance: The

impact of uncertainty avoidance. Issues in Information Systems, 9(2), 103–110. Celik, H. (2008). What determines Turkish customers’ acceptance of internet banking?

International Journal of Bank Marketing, 26(5), 353–370.

Chaouali, W., Yahia, I. B., & Souiden, N. (2016). The interplay of counter-conformity

motivation, social influence, and trust in customers’ intention to adopt Internet banking services: The case of an emerging country. Journal of Retailing and Consumer Services, 28, 209–218.

Chauhan, V., Yadav, R., & Choudhary, V. (2019). Analyzing the impact of consumer in- novativeness and perceived risk in internet banking adoption: A study of Indian consumers. International Journal of Bank Marketing, 37(1), 323–339.

Cheng, J. M. S., Sheen, G. J., & Lou, G. C. (2006). Consumer acceptance of the internet as a channel of distribution in Taiwan—A channel function perspective. Technovation, 26(7), 856–864.

Chin, W. W. (2010). How to write up and report PLS analyses. Handbook of artial least squares. Berlin, Heidelberg: Springer655–690.

Chin, W. W., Peterson, R. A., & Brown, S. P. (2008). Structural equation modeling in marketing: Some practical reminders. The Journal of Marketing Theory and Practice, 16(4), 287–298.

Chiou, J. S., & Shen, C. C. (2012). The antecedents of online financial service adoption: The impact of physical banking services on Internet banking acceptance. Behaviour & Information Technology, 31(9), 859–871.

Chiu, C. M., Chiu, C. S., & Chang, H. C. (2007). Examining the integrated influence of fairness and quality on learners’ satisfaction and web‐based learning continuance intention. Information Systems Journal, 17(3), 271–287.

Chong, A. Y. L., Chan, F. T., & Ooi, K. B. (2012). Predicting consumer decisions to adopt mobile commerce: Cross country empirical examination between China and Malaysia. Decision Support Systems, 53(1), 34–43.

Chopdar, P. K., & Sivakumar, V. (2019). Understanding continuance usage of mobile shopping applications in India: The role of espoused cultural values and perceived risk. Behaviour & Information Technology, 38(1), 42–64.

Corbitt, B. J., Thanasankit, T., & Yi, H. (2003). Trust and e-commerce: A study of con- sumer perceptions. Electronic Commerce Research and Applications, 2(3), 203–215.

Cyr, D. (2013). Website design, trust and culture: An eight country investigation. Electronic Commerce Research and Applications, 12(6), 373–385.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.

Dodds, W. B., Monroe, K. B., & Grewal, D. (1991). Effects of price, brand, and store information on buyers’ product evaluations. Journal of Marketing Research, 28(3), 307–319.

Dwivedi, Y. K., Rana, N. P., Jeyaraj, A., Clement, M., & Williams, M. D. (2019). Re- examining the unified theory of acceptance and use of technology (UTAUT): Towards a revised theoretical model. Information Systems Frontiers, 21(3), 719–734.

Eriksson, K., & Nilsson, D. (2007). Determinants of the continued use of self-service technology: The case of Internet banking. Technovation, 27(4), 159–167.

Eriksson, K., Kerem, K., & Nilsson, D. (2005). Customer acceptance of internet banking in Estonia. International Journal of Bank Marketing, 23(2), 200–216.

Farah, M. F. (2017). Consumers’ switching motivations and intention in the case of bank mergers: A cross-cultural study. International Journal of Bank Marketing, 35(2), 254–274.

Featherman, M. S., & Pavlou, P. A. (2003). Predicting e-services adoption: A perceived risk facets perspective. International Journal of Human-computer Studies, 59(4), 451–474.

Finau, G., Rika, N., Samuwai, J., & McGoon, J. (2016). Perceptions of digital financial services in rural Fiji. Information Technologies and International Development, 12(4), 11–21.

Flavián, C., Guinalíu, M., & Gurrea, R. (2006). The role played by perceived usability, satisfaction and consumer trust on website loyalty. Information & Management, 43(1), 1–14.

Frijns, B., Gilbert, A., Lehnert, T., & Tourani-Rad, A. (2013). Uncertainty avoidance, risk tolerance and corporate takeover decisions. Journal of Banking & Finance, 37(7), 2457–2471.

Fullerton, G., & Taylor, S. (2015). Dissatisfaction and violation: Two distinct con- sequences of the wait experience. Journal of Service Theory and Practice, 25(1), 31–50.

Guimaraes, T., Yoon, Y., & Clevenson, A. (1996). Factors important to expert systems success a field test. Information & Management, 30(3), 119–130.

Gupta, A., Dogra, N., & George, B. (2018). What determines tourist adoption of smart- phone apps? An analysis based on the UTAUT-2 framework. Journal of Hospitality and Tourism Technology, 9(1), 50–64.

Hair, J., Black, W., Babin, B., Anderson, R., & Tatham, R. (2006). Multivariate data ana- lysis. New Jersey: Hoboken: Pearson Education.

Hanafizadeh, P., & Khedmatgozar, H. R. (2012). The mediating role of the dimensions of the perceived risk in the effect of customers’ awareness on the adoption of Internet banking in Iran. Electronic Commerce Research, 12(2), 151–175.

Henseler, J., Ringle, C. M., & Sarstedt, M. (2012). Using partial least squares path modeling in advertising research: Basic concepts and recent issues. Handbook of research on inter- national advertising. Edward Elgar Publishing.

Hoehle, H., Zhang, X., & Venkatesh, V. (2015). An espoused cultural perspective to un- derstand continued intention to use mobile applications: A four-country study of mobile social media application usability. European Journal of Information Systems, 24(3), 337–359.

Hoffman, D. L., Novak, T. P., & Peralta, M. A. (1999). Information privacy in the mar- ketspace: Implications for the commercial uses of anonymity on the Web. The Information Society, 15(2), 129–139.

 

 

 

 

Hofstede, G. (1980). Culture’s consequences, international differences in work-related values. Beverly Hills: Sage Publications.

Hofstede, G. (1994). Values survey module 1994 manual. The Netherlands: Institute for Research on Intercultural Cooperation, Maastrict.

Hofstede, G. (2011). Dimensionalizing cultures: The Hofstede model in context. Online Readings in Psychology and Culture, 2(1), 8.

Hsiao, C. H., Chang, J. J., & Tang, K. Y. (2016). Exploring the influential factors in continuance usage of mobile social Apps: Satisfaction, habit, and customer value perspectives. Telematics and Informatics, 33(2), 342–355.

Hung, C. L., & Chou, J. C. L. (2014). Examining the cultural moderation on the acceptance of mobile commerce. International Journal of Innovation and Technology Management, 11(02).

Hwang, Y., & Lee, K. C. (2012). Investigating the moderating role of uncertainty avoid- ance cultural values on multidimensional online trust. Information & Management, 49(3-4), 171–176.

Im, I., Hong, S., & Kang, M. S. (2011). An international comparison of technology adoption: Testing the UTAUT model. Information & Management, 48(1), 1–8.

Jaruwachirathanakul, B., & Fink, D. (2005). Internet banking adoption strategies for a developing country: The case of Thailand. Internet Research, 15(3), 295–311.

Jarvenpaa, S. L., Tractinsky, N., & Saarinen, L. (1999). Consumer trust in an Internet store: A cross-cultural validation. Journal of Computer-Mediated Communication, 5(2), 48–65.

Johns, G. (2006). The essential impact of context on organizational behavior. The Academy of Management Review, 31(2), 386–408.

Kaabachi, S., Ben Mrad, S., & O’Leary, B. (2019). Consumer’s initial trust formation in IOB’s acceptance: The role of social influence and perceived compatibility. International Journal of Bank Marketing, 37(2), 507–530.

Kaba, B., & Touré, B. (2014). Understanding information and communication technology behavioral intention to use: Applying the UTAUT model to social networking site adoption by young people in a least developed country. Journal of the Association for Information Science and Technology, 65(8), 1662–1674.

Kalinic, Z., & Marinkovic, V. (2016). Determinants of users’ intention to adopt m-com- merce: An empirical analysis. Information Systems and E-Business Management, 14(2), 367–387.

Kesharwani, A., & Singh Bisht, S. (2012). The impact of trust and perceived risk on in- ternet banking adoption in India: An extension of technology acceptance model. International Journal of Bank Marketing, 30(4), 303–322.

Khan, I. U., Hameed, Z., & Khan, S. U. (2017). Understanding online banking adoption in a developing country: UTAUT2 with cultural moderators. Journal of Global Information Management, 25(1), 43–65.

Khedmatgozar, H. R., & Shahnazi, A. (2018). The role of dimensions of perceived risk in adoption of corporate internet banking by customers in Iran. Electronic Commerce Research, 18(2), 389–412.

Kim, S. H., & Park, H. J. (2011). Effects of social influence on consumers’ voluntary adoption of innovations prompted by others. Journal of Business Research, 64(11), 1190–1194.

Kim, H. B., Kim, T. T., & Shin, S. W. (2009). Modeling roles of subjective norms and eTrust in customers’ acceptance of airline B2C eCommerce websites. Tourism Management, 30(2), 266–277.

Kim, H., Schroeder, A., & Pennington-Gray, L. (2016). Does culture influence risk per- ceptions? Tourism Review International, 20(1), 11–28.

Kim, K. K., Shin, H. K., & Kim, B. (2011). The role of psychological traits and social factors in using new mobile communication services. Electronic Commerce Research and Applications, 10(4), 408–417.

Koenig-Lewis, N., Palmer, A., & Moll, A. (2010). Predicting young consumers’ take up of mobile banking services. International Journal of Bank Marketing, 28(5), 410–432.

Koller, M. (1988). Risk as a determinant of trust. Basic and Applied Social Psychology, 9(4), 265–276.

Kumar, R., Sachan, A., & Kumar, R. (2020). The impact of service delivery system process and moderating effect of perceived value in internet banking adoption. Australasian Journal of Information Systems, 24.

Ladhari, R., Pons, F., Bressolles, G., & Zins, M. (2011). Culture and personal values: How they influence perceived service quality. Journal of Business Research, 64(9), 951–957. Lai, C., Wang, Q., Li, X., & Hu, X. (2016). The influence of individual espoused cultural values on self-directed use of technology for language learning beyond the classroom.

Computers in Human Behavior, 62, 676–688.

Lance, C. E. (1988). Residual centering, exploratory and confirmatory moderator analysis,

and decomposition of effects in path models containing interactions. Applied

Psychological Measurement, 12(2), 163–175.

Lassar, W. M., Manolis, C., & Lassar, S. S. (2005). The relationship between consumer

innovativeness, personal characteristics, and online banking adoption. International

Journal of Bank Marketing, 23(2), 176–199.

Laukkanen, T. (2015). How uncertainty avoidance affects innovation resistance in mobile

banking: The moderating role of age and gender. 2015 48th Hawaii International

Conference on System Sciences (pp. 3601–3610).

Lee, M. C. (2009). Factors influencing the adoption of internet banking: An integration of

TAM and TPB with perceived risk and perceived benefit. Electronic Commerce

Research and Applications, 8(3), 130–141.

Lee, I., Choi, B., Kim, J., & Hong, S. J. (2007). Culture-technology fit: Effects of cultural

characteristics on the post-adoption beliefs of mobile internet users. International

Journal of Electronic Commerce, 11(4), 11–51.

Lee, S. G., Trimi, S., & Kim, C. (2013). The impact of cultural differences on technology

adoption. Journal of World Business, 48(1), 20–29.

Leidner, D. E., & Kayworth, T. (2006). A review of culture in information systems re-

search: Toward a theory of information technology culture conflict. MIS Quarterly, 30(2), 357–399.

Lifen Zhao, A., Hanmer-Lloyd, S., Ward, P., & Goode, M. M. (2008). Perceived risk and Chinese consumers’ internet banking services adoption. International Journal of Bank Marketing, 26(7), 505–525.

Lim, N., Yeow, P. H., & Yuen, Y. Y. (2010). An online banking security framework and a cross-cultural comparison. Journal of Global Information Technology Management, 13(3), 39–62.

Lin, H. C. (2014). An investigation of the effects of cultural differences on physicians’ perceptions of information technology acceptance as they relate to knowledge management systems. Computers in Human Behavior, 38, 368–380.

López-Nicolás, C., Molina-Castillo, F. J., & Bouwman, H. (2008). An assessment of ad- vanced mobile services acceptance: Contributions from TAM and diffusion theory models. Information & Management, 45(6), 359–364.

Lu, J. (2014). Are personal innovativeness and social influence critical to continue with mobile commerce? Internet Research, 24(2), 134–159.

Lu, J., Yu, C. S., & Liu, C. (2009). Mobile data service demographics in urban China. Journal of Computer Information Systems, 50(2), 117–126.

Lu, J., Liu, C., & Wei, J. (2017). How important are enjoyment and mobility for mobile applications? Journal of Computer Information Systems, 57(1), 1–12.

Lu, J., Yu, C. S., Liu, C., & Wei, J. (2017). Comparison of mobile shopping continuance intention between China and USA from an espoused cultural perspective. Computers in Human Behavior, 75, 130–146.

Luo, C., Wu, J., Shi, Y., & Xu, Y. (2014). The effects of individualism–collectivism cultural orientation on eWOM information. International Journal of Information Management, 34(4), 446–456.

Luo, X., Li, H., Zhang, J., & Shim, J. P. (2010). Examining multi-dimensional trust and multi-faceted risk in initial acceptance of emerging technologies: An empirical study of mobile banking services. Decision Support Systems, 49(2), 222–234.

Magnusson, P., Peterson, R., & Westjohn, S. A. (2014). The influence of national cultural values on the use of rewards alignment to improve sales collaboration. International Marketing Review, 31(1), 30–50.

Malaquias, R. F., & Hwang, Y. (2016). An empirical study on trust in mobile banking: A developing country perspective. Computers in Human Behavior, 54, 453–461.

Marafon, D. L., Basso, K., Espartel, L. B., de Barcellos, M. D., & Rech, E. (2018). Perceived risk and intention to use internet banking: The effects of self-confidence and risk acceptance. International Journal of Bank Marketing, 36(2), 277–289.

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

Matsuo, M., Minami, C., & Matsuyama, T. (2018). Social influence on innovation re- sistance in internet banking services. Journal of Retailing and Consumer Services, 45, 42–51.

McCoy, S. (2003). The effect of national culture dimensions on the acceptance of information and technology: A trait based approach.

Morosan, C., & DeFranco, A. (2016). It’s about time: Revisiting UTAUT2 to examine consumers’ intentions to use NFC mobile payments in hotels. International Journal of Hospitality Management, 53, 17–29.

Namahoot, K. S., & Laohavichien, T. (2018). Assessing the intentions to use internet banking: The role of perceived risk and trust as mediating factors. International Journal of Bank Marketing, 36(2), 256–276.

Ng, C. S. P. (2013). Intention to purchase on social commerce websites across cultures: A cross-regional study. Information & Management, 50(8), 609–620.

Nikbin, D., Ismail, I., & Marimuthu, M. (2012). The impact of causal attributions on customer satisfaction and switching intention: Empirical evidence from the airline industry. Journal of Air Transport Management, 25, 37–39.

Park, C., Jun, J., & Lee, T. (2015). Consumer characteristics and the use of social net- working sites: A comparison between Korea and the US. International Marketing Review, 32(3/4), 414–437.

Patel, K. J., & Patel, H. J. (2018). Adoption of internet banking services in Gujarat: An extension of TAM with perceived security and social influence. International Journal of Bank Marketing, 36(1), 147–169.

Pavlou, P. (2001). Integrating trust in electronic commerce with the technology accep- tance model: Model development and validation. AMCIS 2001 Proceedings, 159. Peter, J. P., & Ryan, M. J. (1976). An investigation of perceived risk at the brand level.

Journal of Marketing Research, 13(2), 184–188.

Petter, S., DeLone, W., & McLean, E. (2008). Measuring information systems success:

Models, dimensions, measures, and interrelationships. European Journal of

Information Systems, 17(3), 236–263.

Pikkarainen, T., Pikkarainen, K., Karjaluoto, H., & Pahnila, S. (2004). Consumer accep-

tance of online banking: An extension of the technology acceptance model. Internet

Research, 14(3), 224–235.

Poromatikul, C., De Maeyer, P., Leelapanyalert, K., & Zaby, S. (2019). Drivers of con-

tinuance intention with mobile banking apps. International Journal of Bank Marketing,

38(1), 242–262.

Qi Dong, J. (2009). User acceptance of information technology innovations in the Chinese

cultural context. Asian Journal of Technology Innovation, 17(2), 129–149.

Rahi, S., Ghani, M. A., & Ngah, A. H. (2019). Factors propelling the adoption of internet banking: The role of E-Customer service, Website design, brand image and customer

satisfaction. International Journal of Business Information Systems Strategies.

Rahi, S., Mansour, M. M. O., Alghizzawi, M., & Alnaser, F. M. (2019). Integration of

UTAUT model in internet banking adoption context. Journal of Research in Interactive

Marketing, 13(3), 411–435.

Rai, A., Maruping, L. M., & Venkatesh, V. (2009). Offshore information systems project

success: The role of social embeddedness and cultural characteristics. MIS Quarterly,

33(3), 617–641.

Rana, N. P., Dwivedi, Y. K., Lal, B., Williams, M. D., & Clement, M. (2017). Citizens’

adoption of an electronic government system: Towards a unified view. Information 12

International Journal of Information Management 53 (2020) 102116

Systems Frontiers, 19(3), 549–568.

Rawashdeh, A. (2015). Factors affecting adoption of internet banking in Jordan:

Chartered accountant’s perspective. International Journal of Bank Marketing, 33(4),

510–529.

Rehman, Z. U., Baharun, R., & Salleh, N. Z. M. (2020). Antecedents, consequences, and

reducers of perceived risk in social media: A systematic literature review and direc-

tions for further research. Psychology & Marketing, 37(1), 74–86.

Reinecke, K., & Bernstein, A. (2013). Knowing what a user likes: A design science ap-

proach to interfaces that automatically adapt to culture. MIS Quarterly, 37(2),

427–453.

Riffai, M., Grant, K., & Edgar, D. (2012). Big TAM in Oman: Exploring the promise of

online banking, its adoption by customers and the challenges of banking in Oman.

International Journal of Information Management, 32(3), 239–250.

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

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

Rod, M., Ashill, N. J., Shao, J., & Carruthers, J. (2009). An examination of the relationship

between service quality dimensions, overall internet banking service quality and

customer satisfaction. Marketing Intelligence & Planning, 27(1), 103–126.

Rodrigues, L. F., Oliveira, A., & Costa, C. J. (2016). Does ease-of-use contributes to the perception of enjoyment? A case of gamification in e-banking. Computers in Human

Behavior, 61, 114–126.

Roy, S. K., Balaji, M., Kesharwani, A., & Sekhon, H. (2017). Predicting Internet banking

adoption in India: A perceived risk perspective. Journal of Strategic Marketing, 25(5-

6), 418–438.

Sabiote, C. M., Frías, D. M., & Castañeda, J. A. (2012). The moderating effect of un-

certainty-avoidance on overall perceived value of a service purchased online. Internet

Research, 22(2), 180–198.

Sampaio, C. H., Ladeira, W. J., & Santini, F. D. O. (2017). Apps for mobile banking and

customer satisfaction: A cross-cultural study. International Journal of Bank Marketing,

35(7), 1133–1153.

Schepers, J., & Wetzels, M. (2007). A meta-analysis of the technology acceptance model:

Investigating subjective norm and moderation effects. Information & Management,

44(1), 90–103.

Sekaran, U., & Bougie, R. (2010). Theoretical framework in theoretical framework and

hypothesis development. Research Methods for Business: A Skill Building Approach, 80,

13–25.

Sekhon, H. S., Roy, S. K., & Devlin, J. (2016). Perceptions of fairness in financial services:

An analysis of distribution channels. International Journal of Bank Marketing, 34(2),

171–190.

Seock, Y. K., & Bailey, L. R. (2008). The influence of college students’ shopping or-

ientations and gender differences on online information searches and purchase be-

haviours. International Journal of Consumer Studies, 32(2), 113–121.

Shahin Sharifi, S., & Rahim Esfidani, M. (2014). The impacts of relationship marketing on cognitive dissonance, satisfaction, and loyalty: The mediating role of trust and cog-

nitive dissonance. International Journal of Retail & Distribution Management, 42(6),

553–575.

Shankar, A., Jebarajakirthy, C., & Ashaduzzaman, M. (2020). How do electronic word of

mouth practices contribute to mobile banking adoption? Journal of Retailing and

Consumer Services, 52, 101920.

Sharma, S., Singh, G., & Aiyub, A. S. (2020). Use of social networking sites by SMEs to

engage with their customers: A developing country perspective. Journal of Internet

Commerce, 19(1), 62–81.

Shih, Y. Y., & Fang, K. (2004). The use of a decomposed theory of planned behavior to

study Internet banking in Taiwan. Internet Research, 14(3), 213–223.

Shiu, E., Walsh, G., Hassan, L. M., & Parry, S. (2015). The direct and moderating influ-

ences of individual-level cultural values within web engagement: A multi-country

analysis of a public information website. Journal of Business Research, 68(3), 534–541. Smith, A., & Reynolds, N. (2009). Affect and cognition as predictors of behavioral in-

tentions towards services. International Marketing Review, 26(6), 580–600. Srite, M., & Karahanna, E. (2006). The role of espoused national cultural values in

technology acceptance. MIS Quarterly, 33(3), 679–704.

Straub, D., Boudreau, M. C., & Gefen, D. (2004). Validation guidelines for IS positivist

research. Communications of the Association for Information Systems, 13(1), 24. Straub, D., Loch, K., Evaristo, R., Karahanna, E., & Srite, M. (2002). Toward a theory-

based measurement of culture. Journal of Global Information Management, 10(1),

13–23.

Sum Chau, V., & Ngai, L. W. (2010). The youth market for internet banking services:

Perceptions, attitude and behaviour. Journal of Services Marketing, 24(1), 42–60. Sun, H., & Zhang, P. (2006). The role of moderating factors in user technology accep-

tance. International Journal of Human-computer Studies, 64(2), 53–78.

Takieddine, S., & Sun, J. (2015). Internet banking diffusion: A country-level analysis.

Electronic Commerce Research and Applications, 14(5), 361–371.

Tam, C., & Oliveira, T. (2016). Understanding the impact of m-banking on individual

performance: DeLone & McLean and TTF perspective. Computers in Human Behavior,

61, 233–244.

Tam, C., & Oliveira, T. (2019). Does culture influence m-banking use and individual

performance? Information & Management, 56(3), 356–363.

Taras, V., Rowney, J., & Steel, P. (2009). Half a century of measuring culture: Review of

approaches, challenges, and limitations based on the analysis of 121 instruments for

quantifying culture. Journal of International Management, 15(4), 357–373.

Tarhini, A., El-Masri, M., Ali, M., & Serrano, A. (2016). Extending the UTAUT model to

understand the customers’ acceptance and use of internet banking in Lebanon: A structural equation modeling approach. Information Technology and People, 29(4), 830–849.

Tarhini, A., Hone, K., Liu, X., & Tarhini, T. (2017). Examining the moderating effect of individual-level cultural values on users’ acceptance of E-learning in developing countries: A structural equation modeling of an extended technology acceptance model. Interactive Learning Environments, 25(3), 306–328.

Tran, L. T. T., Pham, L. M. T., & Le, L. T. (2019). E-satisfaction and continuance intention: The moderator role of online ratings. International Journal of Hospitality Management, 77, 311–322.

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

Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157–178.

Venkatesh, V., & Zhang, X. (2010). Unified theory of acceptance and use of technology: US vs. China. Journal of Global Information Technology Management, 13(1), 5–27. Yang, A. S. (2009). Exploring adoption difficulties in mobile banking services. Canadian

Journal of Administrative Sciences/Revue Canadienne des Sciences de l’Administration,

26(2), 136–149.

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

Banking in Hong Kong—Implications for the banking sector. International Journal of

Information Management, 27(5), 336–351.

Yoon, C. (2010). Antecedents of customer satisfaction with online banking in China: The

effects of experience. Computers in Human Behavior, 26(6), 1296–1304.

Yu, C. S. (2012). Factors affecting individuals to adopt mobile banking: Empirical evi-

dence from the UTAUT model. Journal of Electronic Commerce Research, 13(2), 104. Yuen, Y., Yeow, P. H., Lim, N., & Saylani, N. (2010). Internet banking adoption:

Comparing developed and developing countries. Journal of Computer Information

Systems, 51(1), 52–61.

Yuen, Y. Y., Yeow, P. H., & Lim, N. (2015). Internet banking acceptance in the United

States and Malaysia: A cross-cultural examination. Marketing Intelligence & Planning,

33(3), 292–308.

YuSheng, K., & Ibrahim, M. (2019). Service innovation, service delivery and customer

satisfaction and loyalty in the banking sector of Ghana. International Journal of Bank

Marketing, 37(5), 1215–1233.

Zhang, K. Z., Cheung, C. M., & Lee, M. K. (2014). Examining the moderating effect of

inconsistent reviews and its gender differences on consumers’ online shopping deci-

sion. International Journal of Information Management, 34(2), 89–98.

Zhang, Y., Weng, Q., & Zhu, N. (2018). The relationships between electronic banking

adoption and its antecedents: A meta-analytic study of the role of national culture.

International Journal of Information Management, 40, 76–87.

Zheng, X., El Ghoul, S., Guedhami, O., & Kwok, C. C. (2013). Collectivism and corruption

in bank lending. Journal of International Business Studies, 44(4), 363–390.

Zhou, T., Lu, Y., & Wang, B. (2010). Integrating TTF and UTAUT to explain mobile

banking user adoption. Computers in Human Behavior, 26(4), 760–767.

Zhou, Z., Jin, X. L., Fang, Y., & Vogel, D. (2015). Toward a theory of perceived benefits,

affective commitment, and continuance intention in social virtual worlds: Cultural values (indulgence and individualism) matter. European Journal of Information Systems, 24(3), 247–261.

Zhu, Z., Nakata, C., Sivakumar, K., & Grewal, D. (2013). Fix it or leave it? Customer recovery from self-service technology failures. Journal of Retailing, 89(1), 15–29.

 

Zainah Qasem. (2021). The effect of positive TRI traits on centennials adoption of try-on technology in the context of E-fashion retailing. International Journal of Information Management, Volume 56, Pages 1–11.

Mots clés: UTAUT2, Technologie, Index, Génération de centenaires

L’objectif de cette étude est de découvrir des mouens pour offrir une expérience plus réaliste, les détaillants en ligne ont mis en place des systèmes d’essai virtuel aux clients. De ce fait, il est important d’examiner la variable qui influence l’intention des clients d’utiliser des technologies d’essai lorsqu’ils sont en ligne l’achat de vêtements. L’objectif principal de la présente étude est d’identifier et d’examiner le design et les
caractéristiques qui poussent les centenaires à adopter des systèmes d’essai virtuels. Facteurs extraits de l’UTAUT2 et l’état de préparation technologique ont été proposés dans le modèle d’étude actuel, qui a été validé empiriquement sur la base des données recueillies auprès de 315 participants.

Développement :

Les principaux résultats de la modélisation des équations structurelles ont largement soutenule rôle important de “l’optimisme et de la capacité d’innovation” dans l’espérance de performance et la valeur des prix. L’intention comportementale était également prédite par tous les facteurs de UTAUT2, à l’exception de l’espérance d’effort. Ces résultats pourront fournir des lignes directrices aux détaillants en ligne sur la manière de communiquer avec leurs clients centenaires pour les influencer
d’adopter une technologie d’essai.

Résultats :

Les entreprises de vente au détail de vêtements et de mode en ligne sont en plein essor, mais elles est toujours à la traîne par rapport à d’autres entreprises de vente au détail en ligne, comme le sport les équipements, la technologie et les produits de bricolage (Clients, 2020). Ce décalage a été attribuée à la nature des vêtements, qui exige que le client doit sentir et essayer le produit avant de prendre la décision d’achat
(Bl’azquez, 2014). Pour offrir une expérience plus réaliste, les détaillants en ligne
ont eu recours à des systèmes d’essai virtuels. Il est donc essentiel d’explorer les
les facteurs affectant l’intention des clients d’utiliser des technologies d’essai lorsque
l’achat en ligne de vêtements. Sur les quatre facteurs pris en compte dans ce
trois d’entre elles ont influencé positivement l’intention comportementale
qui conduit à l’adoption d’une technologie d’essai virtuel. Les résultats ont indiqué une relation positive entre l’attente de performance, l’hédonisme perçu, et  la valeur de prix sur l’intention comportementale d’utiliser technologie d’essai virtuel.

Conclusion :

En outre, deux modèles ont été choisis comme base théorique de cette étude. UTAUT2 (Venkatesh et al., 2012) a été étendu en intégrant les facteurs positifs de la TRI. L’espérance de performance, hédonique Il a été démontré que la motivation et la valeur du prix sont des indicateurs significatifs de l’intention comportementale d’adopter une technologie d’essai virtuelle parmi les centenaires. Toutefois, l’influence de l’espérance de vie à l’effort sur L’intention des centenaires d’adopter la technologie d’essai virtuel s’est avérée être insignifiante. Traits personnels positifs (optimisme et capacité d’innovation) ont eu un effet significatif sur l’intention des centenaires d’adopter nouvelles technologies en influençant leur perception de l’espérance de performance,
la motivation hédonique et la valeur du prix.

Références :

Alalwan, A. A. (2020). Mobile food ordering apps: An empirical study of the factors
affecting customer e-satisfaction and continued intention to reuse. International
Journal of Information Management, 50, 28–44.

Ayush, K., Jandial, S., Chopra, A., Hemani, M., & Krishnamurthy, B. (2019). Robust cloth warping via multi-scale patch adversarial loss for virtual try-on framework.
Proceedings of the IEEE International Conference on Computer Vision Workshops. pp.
0–0

Customers. (2020). Fastest growing online retail sectors unveiled. https://engagecustomer.com/fastest-growing-online-retail sectorsunveiled/#:-:text=Sporting%20equipment%2C%20garden%20%26%20DIY%20products,to%20new%20research%20revealed%20today.

Jeong, S. W., & Ha, S. (2020). Consumer acceptance of retail service robots. The Research Journal of the Costume Culture, 28(4), 409–419.

Joshi, N. (2019). Retailers Have A Lot To Gain From AR and VR. Forbes.com. https://www.forbes.com/sites/cognitiveworld/2019/10/01/retailers-have
-a-lot-to-gain-from-ar-and-vr/#26e99f1b7a1c.

Emmanuel Sirimal Silva, Ph.D., Francesca Bonetti, Ph.D. (2021). Digital humans in fashion: Will consumers interact?. Journal of Retailing and Consumer Services, Volume 48, Published online: 1 January 2021, Pages 1–11.

Mots clés: L’homme numérique, Interaction, Comportement des consommateurs
Le secteur de la mode, Commerce électronique, Technologies innovantes

La pandémie COVID-19 en cours perturbe l’industrie de la mode et oblige les entreprises de mode à accélérer leur transformation numérique. Le besoin accru d’opérations commerciales plus durables dans le secteur de la mode, lorsqu’il est associé avec la perspective que les affaires ne seront peut-être plus jamais comme avant, appelle à des pratiques innovantes axées sur le commerce électronique.
Récemment, les parties prenantes ont expérimenté l’idée d’introduire l’homme numérique pour un commerce électronique plus actif rôle dans la mode grâce aux développements de l’intelligence artificielle, de la réalité virtuelle, augmentée et mixte.

Développement :

Notre étude a été motivée par la nécessité de comprendre les probabilité d’interagir avec des humains numériques. En outre, nous avons exploré plusieurs facteurs qui peuvent affecter l’interaction des consommateurs avec le numérique l’homme, en termes de démographie, de formes d’interaction avec les technologies et les dispositifs utilisés (Bonetti et al., 2017, 2019a ; Poncin et Mimoun, 2014 ; Huang et Hsu, 2014 ; Pantano et al., 2017 ; Karpor et Yusupov, 2018 ; Dacko, 2016). En abordant ces questions, nous avons examiné d’importantes de cette forme innovante de technologie, et des opportunités et implications stratégiques pour les entreprises ont émergé. Nos conclusions mettre en évidence les points clés tirés d’un échantillon large et varié de potentiels les consommateurs en tant qu’utilisateurs de la technologie humaine numérique, et dans un large de formes d’interaction et de dispositifs personnels. Nous révélons comment les consommateurs l’interaction avec l’homme numérique peut changer la façon dont les entreprises interagissent avec les consommateurs, en termes de canaux de vente et de communication, ce qui peut avoir des implications pour l’avenir de plusieurs les disciplines et leur pratique.

Résultats :

Enfin, nos résultats ont révélé l’impact des facteurs démographiques sur
la probabilité des consommateurs d’interagir avec les humains numériques. Concernant les résultats qui ont montré que les hommes sont nettement plus susceptibles de interagissent avec les humains numériques que les femmes. En ce qui concerne les régions, les répondants de la région des Amériques sont nettement plus susceptibles
interagissent avec les humains numériques que ceux de l’EMEA ou du Royaume-Uni. Ce indique que le sexe et les régions géographiques jouent un rôle clé sur la probabilité des consommateurs d’interagir avec des humains numériques ; cela est conforme à la
des études existantes indiquant que ces facteurs affectent l’acceptation et l’interaction des consommateurs avec les technologies innovantes (Bonetti et al., 2017,
2019a ; Pantano et al., 2017). Ces résultats ont donc des implications essentielles pour les développeurs de technologies, les concepteurs et les spécialistes du marketing de l’homme numérique pour les entreprises.

Conclusion :

les conclusions ont souligné que les réactions des consommateurs aux formes d’humains numériques ont des conséquences potentiellement graves sur la façon dont la mode des affaires est pratiquée et pour plusieurs disciplines académiques. Dans une période lorsque les entreprises de mode doivent prendre des décisions importantes pour survivre face à la concurrence croissante et à l’évolution des tendances du marché, en particulier après la COVID-19. Nos conclusions peuvent donc aider à prendre des décisions importantes concernant l’investissement dans les solutions numériques à base humaine. Cette étude contribue à enrichir les connaissances des universitaires et des praticiens la compréhension des questions urgentes pour un avenir réussi et l’innovation de des entreprises.

Références :

Accenture, 2020. The Human Experience: how organizations should respond to the
experience implications of COVID-19. Available via: https://www.accenture.com
/_acnmedia/Thought-Leadership-Assets/PDF-2/Accenture-COVID-19-New-HumanTruths-That-Experiences-Need-To-Address.pdf. (Accessed 21 May 2020).

IGI Global, 2020. What is innovative technology. Available via: https://www.igi-global.
com/dictionary/influences-on-the-acceptance-of-innovative-technologies-used-inlearning-opportunities/46464. (Accessed 2 May 2020)

Sands, S., Ferraro, C., Campbell, C., Tsao, H.-Y., 2020. Managing the human–chatbot
divide: how service scripts influence service experience. J. Service Manag. https://
doi.org/10.1108/JOSM-06-2019-0203. In press.

Seymour, M., Yuan, L., Dennis, A., Riemer, K., 2020. Facing the artificial: understanding
affinity, trustworthiness, and preference for more realistic digital humans.
Proceedings of the 53rd Hawaii International Conference on System Sciences.
https://doi.org/10.24251/HICSS.2020.574.

Tibken, S., 2020. Samsung’s new Neon project is finally unveiled: it’s a humanoid AI
chatbot. Available via: https://www.cnet.com/news/samsung-neon-project-finallyunveiled-humanoid-ai-chatbot-artificial-humans/. (Accessed 21 April 2020).

Larissa Becker & Elina Jaakkola. (2020). Customer experience: fundamental premises
and implications for research. Journal of the Academy of Marketing Science, Volume 48, Published online: 13 January 2020, Pages 630–648.

Mots clés: Expérience client . Expérience du consommateur . Voyage du client . Revue de la littérature . Analyse métathéorique

L’article compare ensuite les phénomènes et les hypothèses métathéoriques prévalant dans chaque domaine pour établir une double classification des traditions de recherche qui étudient les clients l’expérience en tant que réponses soit (1) à des stimuli de gestion, soit (2) à des processus de consommation. En analysant la compatibilité de cesen se plaçant dans une perspective métathéorique, cette enquête permet de dégager quatre prémisses fondamentales de l’expérience du client qui sont généralisables à tous les milieux et contextes. Ces prémisses font progresser le développement conceptuel de l’expérience client en définissant son domaine conceptuel de base et en fournissant des lignes directrices pour les recherches ultérieures.

Développement :

Développer une vision intégrative de l’expérience client nécessite d’organiser la littérature dispersée en groupes et d’analyser leur compatibilité (MacInnis 2011). Cette analyse s’est déroulée en trois phases : (1) une analyse documentaire systématique de l’expérience client qui regroupe les études individuelles en huit domaines littéraires distincts, (2) l’organisation de la littérature en huit groupes dans deux traditions de recherche distinctes sur la base de la les phénomènes d’expérience client abordés et les hypothèses métathéoriques sous-jacentes adoptées, et (3) former un une vision intégrée de l’expérience du client en s’appuyant sur la des éléments compatibles entre les différentes traditions de recherche.

Résultats :

Dans cette étude, aux vues des résultats, il est recommandé que les recherches futures fondent les modèles de gestion de l’expérience client sur une approche plus nuancée
la compréhension conceptuelle de l’expérience. Ces modèles ne doit pas considérer la “bonne expérience” comme l’objectif de la gestion de l’expérience client, mais plutôt définir le contenu de l’expérience client visée (cf. prémisse 1). Dans notre échantillon, seules quelques études portent sur les les réponses et les réactions que les entreprises veulent déclencher : Pour Par exemple, Bolton et al. (2014) montrent trois types de
les expériences prévues (par exemple, les expériences engagées sur le plan émotionnel) et donner des suggestions sur la manière de les déclencher. En se concentrant sur la dichotomie “bon contre mauvais” du client expérience, études sur la gestion de l’expérience client est critique. Les connaissances existantes sur la pertinence et l’adéquation des activités de gestion particulières avec des contextes, des situations et des types de clients particuliers est très rare. Par exemple, de futures recherches pourraient explorer comment les contingences des clients pour la formation de l’expérience client (voir Le principe 3) peut être utilisé pour la segmentation et la manière dont les processus de gestion doivent être adaptés pour garantir les effets souhaités

Conclusion :

L’application des prémisses développées dans cette étude en suite
la recherche devrait faciliter l’avancement de la science et de la généralisation des résultats en permettant aux différents domaines et les traditions de recherche pour parler le même langage et établir une vision plus complète du domaine conceptuel. Naturellement, les chercheurs en expérience client de différents domaines continuera à avoir des hypothèses différentes sur la nature de la réalité et la manière dont l’expérience du client doit être étudiée ; toutefois, ces différences ne doivent pas signifier que le concept de l’expérience sont différents dans le marketing . La compréhension intégrative proposée dans cette étude est le pas nécessaire vers le développement d’une la théorie de l’expérience client.

Références :

Chaney, D., Lunardo, R., & Mencarelli, R. (2018). Consumption experience: past, present and future. Qualitative Market Research: An
International Journal, 21(4), 402–420.

Hamilton, R., & Price, L. L. (2019). Consumer journeys: developing
consumer-based strategy. Journal of the Academy of Marketing
Science, 47(2), 187–191.

Johnston, W. J., Le, A. N. H., & Cheng, J. M. S. (2018). A meta-analytic
review of influence strategies in marketing channel relationships.
Journal of the Academy of Marketing Science, 46(4), 674–702

Kuehnl, C., Jozic, D., & Homburg, C. (2019). Effective customer journey
design: consumers’ conception, measurement, and consequences.
Journal of the Academy of Marketing Science, 47(3), 551–568.

Palmatier, R. W., Houston, M. B., & Hulland, J. (2018). Review articles:
purpose, process, and structure. Journal of the Academy of
Marketing Science, 46(1), 1–5

MichelWedel, EnriqueBigné, JieZhang. (2020). Virtual and augmented reality: Advancing research in consumer marketing. International Journal of Research in Marketing, Volume 37, Issue 3, September 2020, Pages 443-465.

Mots clés: Réalité virtuelle, Réalité augmentée, Expérience du consommateur, Voyage du client, Efficacité de la RV/AR

Les expériences de RV peuvent être diffusées via divers matériels, tels que des écrans montés sur la tête (HMD), les espaces cubiques immersifs (CAVE), les grands écrans (power walls), les appareils mobiles (smartphones, tablettes), ou les ordinateurs de bureau et portables les ordinateurs, qui sont parfois complétés par d’autres dispositifs de simulation ou de suivi. Un type distinct de RV est la réalité augmentée (RA), dans laquelle des dispositifs numériques sont utilisés pour superposer des informations sensorielles supplémentaires (sons, objets, avatars, graphiques, étiquettes, etc.) sur le monde réel. ).

Développement :

La distinction entre la RV et la RA est que la RV crée une perception de la réalité
entièrement basée sur des informations virtuelles, tandis que la RA améliore la perception du monde réel grâce à des informations supplémentaires générées par ordinateur (Carmigniani et al., 2011). La réalité mixte (RM) fusionne à la fois la RV et la RA. Le “continuum réalité-virtualité” proposé par Milgram et Kishino (1994) est un cadre largement adopté qui place la RV et la RA sur un continuum technologique qui montre des exemples d’applications de la RA, de la RV et de la RM, en particulier Hololens, Oculus Quest et Amazon AR View, respectivement. Dans cet article, nous faisons référence à toutes ces technologies comme RV et n’utilisent le terme RV que lorsque la distinction est nécessaire dans un contexte spécifique.

Résultats :

Dans de nombreux domaines du marketing, la réalité virtuelle et la réalité augmentée permettent une expérimentation relativement rentable (Burke, 2018). Alors que les expériences sur le terrain sont souvent utilisées pour résoudre des problèmes tactiques mineurs en raison de leur coût élevé et de leur potentiel risques pour les entreprises, les expériences menées dans des environnements de RV, de RA ou de RM peuvent offrir un réalisme similaire tout en étant plus rentables, confidentielles et facilement extensibles pour aborder un marketing de grande envergure, tactique ou même stratégique .

Les problèmes, tels que les assortiments de produits, le positionnement des produits, l’image de marque et le repositionnement de la marque, la personnalisation du contenu marketing, la tarification des lignes de produits, ainsi que la disposition et la conception des magasins peuvent être gérer facilement.

Dans les expériences de laboratoire, la RV peut également s’avérer utile pour placer les participants dans des situations simulées, plutôt qu’imaginées. Un exemple en est la récente recherche de Sarantopoulos, Theotokis, Pramatari, et Roggeveen (2019), qui ont utilisé une expérience de réalité virtuelle pour montrer que l’organisation des catégories de produits par la comparaison entre les objectifs de consommation et les caractéristiques physiques permet de mieux visualiser le processus de consommation, ce qui augmente les achats et les dépenses.

Conclusion :

De multiples facteurs incitent à l’optimisme quant au potentiel de la RV. Premièrement, les grandes entreprises continuent d’investir massivement dans La RV/AR pour les applications de masse et les innovations continues sont le fait de jeunes pousses ; la RV est donc susceptible de devenir une partie intégrante de l’activité de l’entreprise. composante du paysage marketing.

Deuxièmement, les institutions universitaires et de recherche sont de plus en plus équipées en RV, et il y a une croissance constante des études de marketing et de consommation sur la RV, ou utilisant la RV.

Nous espérons que cet article fournira les chercheurs en marketing qui ont des idées qui peuvent les aider à identifier et à traiter des questions de recherche importantes, et les praticiens avec un aperçu du paysage concurrentiel, des possibilités de candidature inexploitées et un cadre qui les aide à évaluer les l’efficacité du déploiement de la RV dans différents contextes d’application et à différentes étapes du parcours du client

Références :

Alcañiz, M., Bigne, E., & Guixeres, J. (2019). Virtual reality in marketing: A framework, review and research agenda. Frontiers in Psychology, 10, 1530

Becker, L., & Jaakkola, E. (2020). Customer experience: Fundamental premises and implications for research. Journal of the Academy of Marketing Science.
https://doi.org/10.1007/s11747-019-00718-x article in press

Caboni, F., & Hagberg, J. (2019). Augmented reality in retailing: A review of features, applications and value. International Journal of Retail & Distribution Management, 47
(11), 1125–1140.

Carrozzi, A., Chylinski, M., Heller, J., Hilken, T., Keeling, D. I., & de Ruyter, K. (2019). What’s mine is a hologram? How shared augmented reality augments psychological
ownership. Journal of Interactive Marketing, 48, 71–88

Zeng, G., Cao, X., Lin, Z., & Xiao, S. H. (2020). When online reviews meet virtual reality: Effects on consumer hotel booking. Annals of Tourism Research, 81. https://doi.
org/10.1016/j.annals.2020.102860 in press.