Référence (format APA)

Véry, P., & Cailluet, L. (2019). Intelligence artificielle et recherche en gestion. Revue française de gestion, 285, 119-134.

https://doi.org/10.3166/rfg.2020.00405

Mots clés de l’article :

Mots clés : intelligence artificielle, recherche en gestion, machine learning, diffusion scientifique, production scientifique, Big Data, méthodes analytiques, épistémologie

Synthèse :

Philippe Véry et Ludovic Cailluet analysent l’impact de l’intelligence artificielle (IA) sur la recherche en sciences de gestion. L’article explore comment l’IA influence les pratiques de production et de diffusion scientifique, les compétences nécessaires aux chercheurs, ainsi que les implications épistémologiques et institutionnelles. Les auteurs soulignent que l’IA ne remplacera pas le chercheur mais transformera son rôle, ses méthodes et son accès aux données.

L’article examine d’abord la définition et les types d’IA (faible, forte, machine learning, deep learning, reinforcement learning, traitement du langage naturel) et leurs développements récents. Ensuite, il discute des bouleversements attendus et des critiques sur les scénarios futuristes tels que la singularité et la crainte que l’IA dépasse l’intelligence humaine. Les auteurs insistent sur l’importance d’une approche pragmatique, notamment via le concept d’intelligence augmentée.

Développement :

1. IA et production scientifique :
   • L’IA est largement utilisée dans la médecine pour le diagnostic, l’analyse génétique, la détection de tumeurs et la prédiction de l’évolution des maladies.
   • Elle permet de surpasser certains biais cognitifs des chercheurs humains et d’ouvrir de nouvelles perspectives, notamment par la citizen science ou le crowdsourcing.
   • L’IA relance le débat entre rationalité et empirisme, mettant en tension l’approche théorique et l’analyse de données massives.
2. IA et diffusion scientifique :
   • L’IA aide les éditeurs et reviewers à analyser les manuscrits : sélection initiale, détection de plagiat, identification de reviewers, résumé automatique et évaluation de rigueur méthodologique.
   • Bien que l’IA automatise certaines tâches, la décision finale reste humaine. Toutefois, elle introduit de nouveaux biais (ex. biais de genre) dans l’évaluation scientifique.
3. Problèmes d’accès et coût :
   • L’IA nécessite l’accès à de grandes bases de données et des compétences techniques spécifiques (cloud computing, programmation).
   • Les coûts et compétences requis peuvent créer une fracture entre chercheurs ou institutions selon leurs moyens.
4. IA et recherche en gestion :
   • L’IA est à la fois objet et méthode de recherche : en RH, marketing, finance, etc.
   • Elle permet l’analyse de grandes quantités de données qualitatives et historiques, et améliore la productivité du chercheur.
   • L’article souligne que l’IA modifie le rôle du chercheur, de l’éditeur et du reviewer, et peut créer des inégalités entre chercheurs selon leur maîtrise des méthodes IA.

Conclusion :

L’IA pénètre progressivement la recherche en sciences de gestion, impactant production, diffusion, méthodologie et financement de la recherche. Elle oblige les chercheurs à acquérir de nouvelles compétences et à repenser leur positionnement épistémologique. L’IA pourrait transformer les normes de la recherche, en renforçant la rigueur et en favorisant une approche empirique. Toutefois, elle ne remplacera pas l’activité humaine, mais modifiera profondément l’écosystème académique et institutionnel.

Références bibliographiques (format APA)

Véry, P., & Cailluet, L. (2019). Intelligence artificielle et recherche en gestion. Revue française de gestion, 285, 119-134. https://doi.org/10.3166/rfg.2020.00405

Référence (format APA)

Fosso Wamba, S., Queiroz, M. M., Guthrie, C., & Braganza, A. (2021). Industry experiences of artificial intelligence (AI): Benefits and challenges in operations and supply chain management. Production Planning & Control. https://doi.org/10.1080/09537287.2021.1882695

Mots clés de l’article :

Mots clés : artificial intelligence, Industry 4.0, operations management, supply chain management, performance, adoption challenges

Synthèse :

Samuel Fosso Wamba, Maciel M. Queiroz, Cameron Guthrie et Ashley Braganza analysent le rôle croissant de l’intelligence artificielle (IA) dans la transformation des opérations et de la supply chain. Les auteurs montrent que l’IA constitue aujourd’hui une technologie clé de l’Industrie 4.0, capable d’améliorer la performance opérationnelle, la prise de décision et la résilience des chaînes logistiques, tout en soulevant des défis organisationnels, technologiques et humains.

Dans un premier temps, l’article met en évidence l’interaction entre l’IA et la gestion des opérations et des chaînes logistiques. Ensuite, il présente les contributions académiques et industrielles sélectionnées dans ce numéro spécial. Enfin, les auteurs proposent des pistes de recherche futures pour les chercheurs et les praticiens.

Développement :

Selon Fosso Wamba et al. (2021), l’intelligence artificielle joue un rôle central dans la modernisation des systèmes de production et de supply chain, notamment grâce à sa capacité à traiter de grandes quantités de données et à automatiser des processus complexes. L’IA est utilisée dans des domaines variés tels que la prévision de la demande, l’optimisation des stocks, la maintenance prédictive, la planification de la production et la gestion de la distribution.

Les auteurs soulignent que l’IA ne fonctionne pas de manière isolée, mais en synergie avec d’autres technologies de l’Industrie 4.0 telles que l’Internet des objets (IoT), le big data, la blockchain et les systèmes cyber-physiques. Cette combinaison permet aux entreprises d’améliorer la visibilité, la flexibilité et l’agilité de leurs chaînes logistiques, tout en réduisant les coûts et les erreurs opérationnelles.

L’article met également en évidence plusieurs expériences industrielles concrètes. Par exemple, des entreprises comme Amazon, DHL ou General Motors utilisent l’IA pour optimiser les opérations d’entrepôt, la planification des tournées ou la maintenance des équipements. Ces applications démontrent le potentiel de l’IA à créer un avantage concurrentiel durable.

Cependant, Fosso Wamba et al. insistent sur les défis liés à l’adoption de l’IA. Parmi ceux-ci figurent le manque de compétences internes, la résistance au changement, les coûts d’implémentation, les questions éthiques et la dépendance à la qualité des données. Les auteurs montrent que la simple adoption d’outils d’IA ne garantit pas automatiquement des bénéfices : une stratégie claire, un soutien managérial et une transformation organisationnelle sont nécessaires.

Enfin, l’article propose une classification des recherches présentées dans le numéro spécial selon différentes approches de l’IA (robots intelligents, apprentissage automatique, systèmes hybrides). Cette typologie permet de mieux comprendre les multiples applications de l’IA dans la gestion des opérations et de la supply chain.

Conclusion :

Cet article met en lumière le rôle stratégique de l’intelligence artificielle dans l’amélioration de la performance et de la résilience des opérations et des chaînes logistiques. Il montre que l’IA constitue un levier majeur de transformation pour les entreprises évoluant dans un environnement incertain et fortement concurrentiel.

Toutefois, les auteurs soulignent que la réussite des projets d’IA dépend fortement de facteurs organisationnels, humains et technologiques. L’article offre ainsi un cadre de réflexion pertinent pour les chercheurs et les praticiens souhaitant comprendre les bénéfices, les limites et les conditions de succès de l’IA en supply chain management.

Références bibliographiques (format APA)

Fosso Wamba, S., Queiroz, M. M., Guthrie, C., & Braganza, A. (2021). Industry experiences of artificial intelligence (AI): Benefits and challenges in operations and supply chain management. Production Planning & Control. https://doi.org/10.1080/09537287.2021.1882695

FICHE N°5

RÉFÉRENCE APA :Fürstenau, D., Rothe, H., & Sandner, M. (2021). Leaving the shadow: A configurational approach to explain post-identification outcomes of shadow IT systems. Business & information systems engineering, 63(2), 97-111.

MOTS-CLÉS Shadow IT, gouvernance IT, innovation, alignement business-IT.

INTRODUCTION (Synthèse) Contrairement à la vision classique qui cherche à “tuer” le Shadow IT, cet article analyse ce qui se passe une fois qu’un système “caché” est découvert. À travers l’étude de 27 cas, les auteurs identifient 4 issues possibles et montrent comment le Shadow IT peut devenir un vecteur d’innovation.

DÉVELOPPEMENT

Les 4 Résultats post-identification :

• Phase-out :Suppression pure et simple du système.
• Replacement :Remplacement par un outil officiel.
• Continuing as IT-managed :La DSI reprend le contrôle du système “sauvage”.
• Continuing as Business-managed :Le métier garde officiellement la main sur l’outil.

Facteur de décision : Le choix de l’issue dépend de la qualité du système (déficiences techniques) et du niveau de Confiance Business-IT.

Apport clé : Si la relation est de confiance, le Shadow IT est souvent converti en innovation officielle (“Trustful replacement”).

Si la relation est mauvaise, le métier résiste et garde son système (“Continuing as business-managed”).

CONCLUSION (Apport pour la thèse) Cet article vous permet de conclure votre thèse sur une note positive et orientée “Management” : le problème n’est pas d’interdire le Cloud sauvage, mais de le transformer en innovation. C’est l’argument parfait pour la partie “Recommandations” de votre thèse (passer du contrôle à la collaboration).

BIBLIOGRAPHIE Fürstenau, D., Rothe, H., & Sandner, M. (2021). Leaving the Shadow: A Configurational Approach to Explain Post-identification Outcomes of Shadow IT Systems. Business & Information Systems Engineering, 63(2), 97-111.

FICHE N°4 :

RÉFÉRENCE APA : Senyo, P. K., Effah, J., & Addae, E. (2016). Preliminary insight into cloud computing adoption in a developing country. Journal of Enterprise Information Management, 29(4), 505-524.

MOTS-CLÉS Adoption Cloud, pays en développement, modèle TOE, Ghana, PME.

INTRODUCTION (Synthèse) Cette étude examine les déterminants de l’adoption du Cloud dans un contexte de pays en développement (le Ghana) en utilisant le cadre TOE (Technologie-Organisation-Environnement). Sur la base de 305 réponses, les auteurs testent quelles variables (taille, sécurité, compétition, etc.) influencent réellement la décision d’adoption.

DÉVELOPPEMENT

Le Modèle TOE : L’article utilise le cadre de Tornatzky et Fleischer (1990) pour analyser l’adoption selon trois contextes : Technologique, Organisationnel et Environnemental.

Facteurs Significatifs (Ce qui compte) :

L’Avantage Relatif : Il s’agit de la perception des gains, notamment en termes de coûts et de flexibilité.

La Sécurité (Security Concern) : Elle est identifiée comme un frein majeur et significatif à l’adoption.

La Préparation Technologique (Technology Readiness) : Cela englobe l’infrastructure technique et les compétences RH disponibles.

Facteur Surprenant (Ce qui ne compte pas) :

Le Soutien Réglementaire (Regulatory Support) : Ce facteur a été jugé non significatif, suggérant que les entreprises n’attendent pas les lois pour adopter la technologie si le besoin business est présent.

CONCLUSION (Apport pour la thèse) Cet article est essentiel pour votre profil et votre crédibilité sur l’axe des “Marchés Émergents”. Il confirme que le modèle TOE est valide pour votre thèse. Il apporte une nuance intéressante : dans ces marchés, la préparation technologique (compétences) et la sécurité priment sur la régulation gouvernementale.

BIBLIOGRAPHIE Senyo, P. K., Effah, J., & Addae, E. (2016). Preliminary insight into cloud computing adoption in a developing country. Journal of Enterprise Information Management, 29(4), 505-524.

FICHE N°3

RÉFÉRENCE APA : Schneider, S., & Sunyaev, A. (2016). Determinants of Cloud Computing Adoption: A Meta-Analysis of the Empirical Literature. Journal of Management Information Systems, 33(1), 286-312.

Mots clés : Adoption du Cloud, Méta-analyse, Modèle TOE (Technology-Organization-Environment), Sécurité, Soutien de la Direction (Top Management Support).

 INTRODUCTION (Synthèse) S. Schneider et A. Sunyaev présentent une méta-analyse rigoureuse synthétisant les résultats de 48 études empiriques antérieures sur l’adoption du Cloud. Plutôt que de se baser sur un seul échantillon, les auteurs compilent des années de recherche pour identifier statistiquement les facteurs qui influencent réellement la décision d’adoption. Ils utilisent le cadre théorique TOE (Technologie-Organisation-Environnement) pour classer ces déterminants, offrant ainsi une validation robuste des barrières et leviers.

En premier lieu, nous analyserons la validation du modèle TOE comme structure méthodologique. Nous soulignerons ensuite le contexte technologique, dominé par les questions de sécurité et de compatibilité. Puis, nous terminerons par l’étude du contexte organisationnel, mettant en lumière le rôle crucial du soutien de la direction et le paradoxe des coûts.

Développement : L’article confirme la pertinence du cadre TOE pour analyser une adoption technologique complexe, justifiant son utilisation comme structure méthodologique de recherche.

Dans le contexte technologique, la « Sécurité et Confidentialité » reste le frein le plus cité. Toutefois, l’étude nuance ce point en montrant qu’il s’agit souvent d’une incertitude perçue plutôt que d’un risque avéré. Parallèlement, la « Compatibilité » avec les systèmes existants (Legacy) est validée comme un obstacle technique majeur.

Concernant le contexte organisationnel, le « Soutien de la Direction » (Top Management Support) est identifié comme l’un des moteurs les plus puissants. L’adoption du Cloud étant un changement stratégique et financier (transition vers l’OPEX), elle nécessite impérativement une vision portée par le sommet de l’entreprise pour réussir.

Enfin, l’analyse soulève un « Paradoxe des Coûts ». Si la réduction des coûts est un moteur théorique, la complexité du calcul de ROI (coûts cachés, migration) peut transformer cet argument en frein pour les grandes entreprises si le modèle n’est pas parfaitement maîtrisé.

Conclusion : Cette publication constitue le socle théorique de la thèse. Elle valide scientifiquement le choix du modèle d’analyse (TOE) et confirme que les barrières organisationnelles (manque de soutien managérial, culture d’entreprise) pèsent aussi lourd, voire plus, que les barrières purement techniques ou sécuritaires dans la décision finale d’adoption du Cloud Hybride.

Références bibliographiques Schneider, S., & Sunyaev, A. (2016). Determinants of Cloud Computing Adoption: A Meta-Analysis of the Empirical Literature. Journal of Management Information Systems, 33(1), 286-312.

FICHE N°2

 RÉFÉRENCE APA : Vithayathil, J. (2018). Will cloud computing make the CIO obsolete? Empirical evidence from the US public sector. Information Systems Journal, 28(1), 116-142.

Suivi des mots clés de l’article :

Mots clés : DSI (CIO), Obsolescence professionnelle, Politique organisationnelle, Résistance au changement, Bureaucratie, Stratégie IT.

INTRODUCTION (Synthèse) J. Vithayathil aborde une dimension critique et souvent négligée de l’adoption du Cloud : la dimension politique interne. L’auteur pose la question de savoir si l’adoption du Cloud Computing rend le rôle du Directeur des Systèmes d’Information (DSI/CIO) obsolète. Basée sur l’analyse du secteur public américain, caractérisé par de fortes structures bureaucratiques, l’étude cherche à comprendre si les DSI freinent l’adoption du Cloud par peur de perdre leur influence, leur budget ou le contrôle de leurs équipes.

En premier lieu, nous analyserons l’hypothèse de l’obsolescence du DSI face à l’externalisation. Nous soulignerons ensuite les résultats contre-intuitifs concernant la gestion budgétaire. Puis, nous terminerons par mettre en lumière les barrières politiques et la nécessaire transformation du rôle du DSI vers celui de « courtier de services ».

Développement : L’auteur teste « l’Hypothèse de l’Obsolescence », souvent suggérée par la littérature, selon laquelle le Cloud, en externalisant la gestion de l’infrastructure (IaaS/SaaS), vide le poste de DSI de sa substance technique. L’objectif est de voir si cette hypothèse corrèle avec une résistance à l’adoption.

L’analyse des données révèle des résultats contre-intuitifs : l’adoption du Cloud n’entraîne pas nécessairement une baisse de budget pour la DSI. Au contraire, le passage à l’OPEX peut augmenter les flux financiers gérés, ce qui contredit la peur d’une perte de ressources.

L’étude démontre que le frein principal n’est pas technologique, mais lié à la barrière politique (« Bureaucratic Politics ») et à la protection du « territoire ». Les DSI habitués à gérer des actifs physiques (serveurs, data centers) perçoivent le Cloud comme une menace à leur autorité (« Empire Building »).

Dès lors, un changement de rôle s’impose. Pour réussir, le DSI doit pivoter d’un rôle de « constructeur d’infrastructure » à un rôle de « courtier de services » (Service Broker). Ceux qui refusent cette transition deviennent des bloqueurs actifs de la stratégie.

Conclusion : Cet article est fondamental pour étayer l’hypothèse sur la « Résistance Humaine et Organisationnelle ». Il prouve académiquement que les freins à l’adoption du Cloud Hybride dans les grandes structures ne sont pas uniquement liés à la sécurité des données, mais à des jeux de pouvoir internes. Les décideurs IT craignent pour leur propre pertinence professionnelle et freinent le changement pour se protéger.

Références bibliographiques Vithayathil, J. (2018). Will cloud computing make the CIO obsolete? Empirical evidence from the US public sector. Information Systems Journal, 28(1), 116-142.

FICHE N°1

RÉFÉRENCE APA : Baillette, P., Barlette, Y., & Berthevas, J.-F. (2022). Benefits and risks of shadow IT in health care: A Narrative Review of the Literature. Systèmes d’Information et Management, 27(2), 59-96.
 Mots clés : Shadow IT, sécurité de l’information, conformité, risques, adoption inversée, rigidité des SI.
INTRODUCTION (Synthèse)  P. Baillette, Y. Barlette et J.-F. Berthevas adoptent une approche pragmatique sur le “Shadow IT” (l’informatique de l’ombre), s’éloignant d’une vision diabolisante pour mettre en lumière un paradoxe organisationnel. Leur hypothèse repose sur le fait que les employés n’utilisent pas des outils non autorisés par rébellion, mais par nécessité opérationnelle, un phénomène qu’ils qualifient d’« adoption inversée ». Le Shadow IT apparaît alors comme une réponse à la lourdeur des outils officiels pour maintenir l’efficacité.
En premier lieu, nous analyserons la définition que donnent les auteurs du Shadow IT. Nous soulignerons ensuite les raisons qui poussent les employés à prendre ce risque, perçu comme un réflexe de survie. Puis, nous terminerons par mettre en lumière les risques majeurs engendrés (sécurité et intégrité) ainsi que le comportement humain de « pseudo-conformité ».
Développement : Selon les auteurs, le Shadow IT est défini comme l’utilisation d’outils (tels que Dropbox, WhatsApp, macros Excel) ou d’appareils personnels dans le cadre professionnel sans l’aval de la Direction des Systèmes d’Information (DSI). C’est, en somme, le « système D » appliqué au monde de l’entreprise.
Contrairement aux idées reçues, le moteur principal de cette pratique est la recherche d’efficacité. Lorsque le logiciel officiel est jugé trop complexe, obsolète ou restrictif (blocage de fichiers lourds, absence d’accès mobile), l’employé contourne l’obstacle pour accomplir sa tâche. Le Shadow IT agit alors comme un « pansement » venant combler les manques de l’infrastructure officielle.
Cependant, si l’efficacité augmente à court terme, les auteurs soulignent que les risques explosent. L’article identifie deux dangers majeurs :
La Sécurité : Ces outils non gérés deviennent des portes ouvertes aux cyberattaques (ransomwares) et aux fuites de données sensibles.
L’Intégrité des données : La création de fichiers isolés génère des « silos ». L’information n’étant plus partagée ni mise à jour dans le système central, le pilotage de l’entreprise est faussé.
Enfin, l’étude décrit un comportement humain fascinant : la « Pseudo-conformité ». L’employé feint de respecter les règles en surface mais les viole en pratique pour gagner du temps. L’exemple typique cité est celui de l’employé acceptant de créer un mot de passe complexe pour la sécurité, mais qui l’écrit sur un post-it collé à l’écran par peur de l’oublier.
Conclusion : Cet article constitue la pierre angulaire de l’argumentation sur les « Risques & la Sécurité ». Il permet de déconstruire l’idée que le Shadow IT est un simple problème de discipline pour prouver qu’il est le symptôme d’une DSI trop rigide.
Dans le cadre d’une thèse sur le Cloud Hybride, cette analyse justifie le besoin impérieux d’une gouvernance moderne. Plutôt que de tout interdire, ce qui s’avère impossible, il convient d’encadrer ces usages pour transformer ce risque en une innovation contrôlée.
Références bibliographiques : Baillette, P., Barlette, Y., & Berthevas, J.-F. (2022). Benefits and risks of shadow IT in health care: A Narrative Review of the Literature. Systèmes d’Information et Management, 27(2), 59-96.

Mollen, A., & Wilson, H. (2010). Engagement, telepresence and interactivity in online consumer experience: Reconciling scholastic and managerial perspectives. Journal of Business Research, 63(9-10), 919–925.

Objectif

L’article de Mollen et Wilson vise à réconcilier les perspectives des praticiens et des chercheurs sur l’engagement en ligne, en proposant un cadre conceptuel qui intègre l’engagement, la téléprésence et l’interactivité comme des construits distincts de l’expérience consommateur en ligne. Les objectifs spécifiques sont :

1. Définir l’engagement comme un construit expérientiel distinct, indépendant de l’interactivité, de la téléprésence et du flux (flow).

2. Positionner l’engagement dans un continuum expérientiel, en clarifiant ses relations avec les autres construits.

3. Proposer des dimensions pour l’engagement et suggérer des directions pour développer une échelle de mesure.

4. Explorer les implications pour la théorie et la pratique du marketing en ligne.

Méthodologie

L’article adopte une approche conceptuelle et synthétique, sans collecte de données empiriques primaires. La méthodologie comprend :

• Une revue de la littérature académique et professionnelle sur l’expérience en ligne, incluant les construits d’interactivité, de téléprésence, de flux et d’engagement.

• L’utilisation du modèle Stimulus-Organisme-Réponse (S-O-R) d’Eroglu et al. (2003) comme cadre théorique pour structurer l’expérience en ligne en trois composantes : stimuli (site web et environnement), état interne (réponse expérientielle) et réponses (attitudes et comportements).

• La proposition d’un spectre expérientiel à trois niveaux (interactivité perçue, téléprésence, engagement) avec des définitions et des propositions testables.

• Une analyse comparative des définitions d’engagement et une distinction avec le construit d’implication (involvement).

Résultats

1. Cadre conceptuel :

   • L’expérience en ligne est modélisée comme un spectre expérientiel dynamique, allant de l’interactivité perçue (contrôle, communication bidirectionnelle, réactivité) à la téléprésence (immersion cognitive et maîtrise des heuristiques du site) et enfin à l’engagement (engagement cognitif et affectif envers la marque personnifiée par le site).

   • Proposition 1 : L’interactivité perçue résulte de l’exposition à l’environnement en ligne et aux propriétés du site web.

   • Proposition 2 : L’interactivité perçue est un antécédent de la téléprésence.

   • Proposition 3 : La téléprésence est un antécédent de l’engagement.

   • Proposition 4 : L’engagement est lié à des attitudes et comportements optimaux des consommateurs (par exemple, intention d’achat, fidélité).

2. Définition de l’engagement :

   • L’engagement est défini comme un engagement cognitif et affectif envers une relation active avec la marque personnifiée par le site web ou d’autres entités numériques.

   • Dimensions proposées : traitement cognitif actif (résolution de problèmes, raisonnement), valeur instrumentale (utilité et pertinence), et congruence émotionnelle (connexion affective avec la marque).

3. Distinctions avec d’autres construits :

   • Interactivité : Perçue comme une réponse psychologique à l’interaction avec le site, différente de l’interactivité structurelle (caractéristiques techniques).

   • Téléprésence : Immersion cognitive dans l’environnement numérique, distincte du flux en raison de son focus sur la maîtrise des heuristiques.

   • Flux : État cognitif intense mais difficile à standardiser, moins directement lié aux résultats commerciaux.

   • Implication : Diffère de l’engagement par son focus sur un objet de consommation (catégorie de produit) plutôt que sur la marque personnifiée, et par l’absence d’une relation active intentionnelle.

4. Implications :

   • L’engagement est un construit expérientiel distinct, non réductible à d’autres termes académiques, mais aligné avec les préoccupations des praticiens.

   • Les mesures comportementales (temps passé, pages vues) sont insuffisantes ; des métriques expérientielles sont nécessaires.

   • Le cadre facilite un discours commun entre chercheurs et praticiens, encourageant des recherches empiriques sur les métriques expérientielles.

Points clés pour la pratique

• Les sites web doivent être conçus pour maximiser l’interactivité perçue, la téléprésence et l’engagement afin de renforcer la fidélité à la marque.

• Les praticiens devraient développer des métriques expérientielles pour compléter les mesures comportementales, permettant une allocation plus efficace des ressources marketing.

• La pertinence et l’utilité du site, ainsi que la congruence émotionnelle, sont cruciales pour susciter l’engagement.

Références exactes citées

• Bart, Y., Shankar, V., Sultan, F., & 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(4), 133–152.

• Bienstock, C. C., & Stafford, M. R. (2006). Measuring involvement with the service: A further investigation of scale validity and dimensionality. Journal of Marketing Theory and Practice, 14(3), 209–221.

• Chang, J., Tsi, T., & Chen, C. (2003). The effects of website quality on customer satisfaction and loyalty: A study of online travel agencies. Proceedings of the 9th International Conference on Information Systems, 231–240.

• Coyle, J. R., & Thorson, E. (2001). The effects of progressive levels of interactivity and vividness in web marketing sites. Journal of Advertising, 30(3), 65–77.

• Csikszentmihalyi, M. (1975). Beyond boredom and anxiety. San Francisco: Jossey-Bass.

• Demangeot, C., & Broderick, A. J. (2006). Exploring the experiential intensity of online shopping environments. Qualitative Market Research: An International Journal, 9(4), 325–351.

• Douglas, J. Y., & Hargadon, A. (2000). The pleasure principle: Immersion, engagement, flow. Proceedings of the 11th ACM on Hypertext and Hypermedia, 153–160.

• Douglas, J. Y., & Hargadon, A. (2001). The pleasures of immersion and engagement: Schemas, scripts and the fifth business. Digital Creativity, 12(3), 153–166.

• Du Plessis, E. (2007). A view on the prospects for neurological research and advertising effectiveness. Admap, 42(483), 36–39.

• Dykes, B. (2008). Web analytics: Moving beyond the comfort zone. Web Analytics Association Blog. Retrieved from http://www.webanalyticsassociation.org

• EConsultancy. (2008). UK consumer engagement survey. London: EConsultancy.

• Elliott, S. (2006). Engagement happens inside the consumer, not the medium. Advertising Age, 77(45), 12.

• Eroglu, S. A., Machleit, K. A., & Davis, L. M. (2003). Empirical testing of a model of online store atmospherics and shopper responses. Psychology & Marketing, 20(2), 139–150.

• Finneran, C. M., & Zhang, P. (2005). Flow in computer-mediated environments: Promises and challenges. Communications of the Association for Information Systems, 15(4), 82–101.

• Fiore, A. M., Kim, J., & Lee, H.-H. (2005). Effect of image interactivity technology on consumer responses toward the online retailer. Journal of Interactive Marketing, 19(3), 38–53.

• Fugate, D. L. (2008). Marketing services more effectively with neuromarketing research: A practitioner perspective. Journal of Services Marketing, 22(2), 170–173.

• Goldsmith, R. E., & Emmert, J. (1991). Measuring product category involvement: A multitrait-multimethod study. Journal of Business Research, 23(4), 363–371.

• Guthrie, J. T., Wigfield, A., & Perencevich, K. C. (2004). Motivating reading comprehension: Concept-oriented reading instruction. Mahwah, NJ: Lawrence Erlbaum Associates.

• Ha, H. Y., & Perks, H. (2005). Effects of consumer perceptions of brand experience on the web: Brand familiarity, satisfaction and brand trust. Journal of Consumer Behaviour, 4(6), 438–452.

• Heath, R. (2007). Emotional engagement: How television advertising works. Admap, 42(483), 40–43.

• Herrington, J., Oliver, R., & Reeves, T. C. (2003). Patterns of engagement in authentic online learning environments. Australian Journal of Educational Technology, 19(1), 59–71.

• Hoffman, D. L., & Novak, T. P. (1996). Marketing in hypermedia computer-mediated environments: Conceptual foundations. Journal of Marketing, 60(3), 50–68.

• Hopkins, C. D., Grove, S. J., Raymond, M. A., & LaForge, M. C. (2004). Designing the e-service encounter: The role of vividness and interactivity. Proceedings of the American Marketing Association Conference, 15, 235–241.

• Huang, M.-H. (2006). Flow, enduring, and situational involvement in the web environment: A triadic model. Journal of International Consumer Marketing, 18(4), 45–67.

• Jones, M. A. (1998). Entertaining shopping experiences: An exploratory investigation. Journal of Retailing and Consumer Services, 5(3), 173–181.

• Karson, E. J., & Fisher, R. J. (2005). Reexamining and extending the dual mediation hypothesis in an on-line advertising context. Psychology & Marketing, 22(4), 333–351.

• Kearsley, G., & Shneiderman, B. (1998). Engagement theory: A framework for technology-based teaching and learning. Educational Technology, 38(5), 20–23.

• Klein, L. R. (2003). Creating virtual product experiences: The role of telepresence. Journal of Interactive Marketing, 17(1), 41–55.

• Koufaris, M. (2002). Applying the technology acceptance model and flow theory to online consumer behavior. Information Systems Research, 13(2), 205–223.

• Liu, Y., & Shrum, L. J. (2002). What is interactivity and is it always such a good thing? Implications of definition, person, and situation for the influence of interactivity on advertising effectiveness. Journal of Advertising, 31(4), 53–64.

• Macdonald, E. K., & Sharp, B. M. (2000). Brand awareness effects on consumer decision making for a common, repeat purchase product: A replication. Journal of Business Research, 48(1), 5–15.

• Marci, C. D. (2006). A biologically based measure of emotional engagement: Context matters. Journal of Advertising Research, 46(4), 381–387.

• Mathwick, C., & Rigdon, E. (2004). Play, flow, and the online search experience. Journal of Consumer Research, 31(2), 324–332.

• McMillan, S. J., & Hwang, J.-S. (2002). Measures of perceived interactivity: An exploration of the role of direction of communication, user control, and time in shaping perceptions of interactivity. Journal of Advertising, 31(3), 29–42.

• Meskauskas, J. (2006). Engagement: The new holy grail of online marketing? iMedia Connection. Retrieved from http://www.imediaconnection.com

• Murray, K. B., & Haubl, G. (2002). The role of cognitive lock-in in online consumer behavior. Advances in Consumer Research, 29(1), 387–388.

• Novak, T. P., Hoffman, D. L., & Yung, Y.-F. (2000). Measuring the customer experience in online environments: A structural modeling approach. Marketing Science, 19(1), 22–42.

• Passikoff, R., Weiner, M., & Foss, S. (2007). Customer engagement: The new key metric. Brandweek, 48(10), 24–26.

• Petre, M., Minocha, S., & Roberts, D. (2006). Usability beyond the website: An empirically-grounded e-commerce evaluation instrument for the total customer experience. Behaviour & Information Technology, 25(2), 189–203.

• Rappaport, S. D. (2007). Lessons from online practice: New advertising models. Journal of Advertising Research, 47(2), 135–141.

• Rettie, R. (2001). An exploration of flow during internet use. Internet Research, 11(2), 103–113.

• Richard, M.-O., & Chandra, R. (2005). A model of consumer web navigational behavior: Conceptual development and application. Journal of Business Research, 58(8), 1019–1029.

• Roberts, K. (2005). Lovemarks: The future beyond brands. New York: PowerHouse Books.

• Sautter, P., Hyman, M. R., & Lukosius, V. (2004). E-tail atmospherics: A critique of the literature and model extension. Journal of Electronic Commerce Research, 5(1), 14–24.

• Shih, C.-F. (1998). Conceptualizing consumer experiences in cyberspace. European Journal of Marketing, 32(7/8), 655–663.

• Sicilia, M., Ruiz, S., & Munuera, J. L. (2005). Effects of interactivity in a web site: The moderating effect of need for cognition. Journal of Advertising, 34(3), 31–45.

• Sinha, I. (2000). Cost transparency: The net’s real threat to prices and brands. Harvard Business Review, 78(2), 43–50.

• Skadberg, Y. X., & Kimmel, J. R. (2004). Visitors’ flow experience while browsing a web site: Its measurement, contributing factors and consequences. Computers in Human Behavior, 20(3), 403–422.

• Song, J. H., & Zinkhan, G. M. (2008). Determinants of perceived web site interactivity. Journal of Marketing, 72(2), 99–113.

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

• Suh, K.-S., & Chang, S. (2006). User interfaces and consumer perceptions of online stores: The role of telepresence. Behaviour & Information Technology, 25(2), 99–113.

• Thomson, M., MacInnis, D. J., & Park, C. W. (2005). The ties that bind: Measuring the strength of consumers’ emotional attachments to brands. Journal of Consumer Psychology, 15(1), 77–91.

• Urban, G. L. (2005). Customer advocacy: A new era in marketing? Boston: Harvard Business School Press.

• Wang, A. (2006). Advertising engagement: A driver of message involvement on message effects. Journal of Advertising Research, 46(4), 355–368.

• Wu, G. (2006). Conceptualizing and measuring the perceived interactivity of websites. Journal of Current Issues & Research in Advertising, 28(1), 87–104.

• Yadav, M. S., & Varadarajan, P. R. (2005). Interactivity in the electronic marketplace: An exposition of the concept and implications for research. Journal of the Academy of Marketing Science, 33(4), 585–603.

• Zeithaml, V. A., Parasuraman, A., & Malhotra, A. (2002). Service quality delivery through web sites: A critical review of extant knowledge. Journal of the Academy of Marketing Science, 30(4), 362–375.

• Zwick, D., & Dholakia, N. (2006/7). The epistemic consumption object and postsocial consumption: Expanding consumer-object theory in consumer research. Consumption, Markets & Culture, 9(4), 261–276.

McGuire, W. J. (1976). Some internal psychological factors influencing consumer choice. Journal of Consumer Research, 2(4), 302–319. https://doi.org/10.1086/208643

Objectif

L’article de William J. McGuire vise à examiner les facteurs psychologiques internes qui influencent les choix des consommateurs, en se concentrant sur les aspects directifs et dynamiques de la personnalité. Les objectifs spécifiques sont :

1. Décrire les étapes du traitement de l’information (directive) qui canalisent les décisions d’achat des consommateurs.

2. Explorer les aspects motivationnels (dynamiques) qui activent et orientent ce traitement de l’information.

3. Fournir un aperçu des recherches psychologiques récentes pertinentes pour la compréhension du comportement des consommateurs.

4. Identifier les implications pour les politiques publiques, notamment en matière d’éducation des consommateurs (par exemple, sur la valeur nutritionnelle des aliments).

Méthodologie

L’article adopte une approche théorique et synthétique, sans données empiriques primaires. La méthodologie comprend :

• Une revue de la littérature psychologique récente (principalement des années 1960 et 1970) sur le traitement de l’information et la motivation.

• Une structuration du traitement de l’information en huit étapes séquentielles : exposition, perception, compréhension, accord, rétention, récupération, prise de décision et action.

• Une classification des motivations humaines en 16 paradigmes, basée sur des dichotomies cognitives/affectives, préservation/croissance, active/passive, interne/externe.

• Des exemples illustratifs appliquant ces concepts au comportement des consommateurs, souvent dans le contexte de la communication d’informations nutritionnelles.

Résultats

1. Traitement de l’information (Directive) :

   • Exposition : Les habitudes d’exposition à l’information sont influencées par des facteurs sociaux (segmentation du marché) et personnels (hypothèse de l’exposition sélective remise en question).

   • Perception : La perception sélective est déterminée par l’attention, les modalités sensorielles et des stratégies comme le regroupement ou la sélectivité basée sur l’intensité ou les besoins.

   • Compréhension : Implique l’abstraction et l’encodage (linguistique ou imagé), souvent à un niveau non conscient.

   • Accord : La crédibilité (source, message, média) et le changement d’attitude sont cruciaux, mais les communicateurs surestiment souvent la résistance du public.

   • Rétention : La mémoire à long terme subit une perte accélérée négativement, influencée par l’interférence rétroactive.

   • Récupération : Dépend de la structure cognitive et des stratégies de recherche (par exemple, pensée divergente).

   • Prise de décision : Utilise des heuristiques (par exemple, élimination par aspects) et l’intégration d’informations (modèles d’addition ou de moyenne).

   • Action : La corrélation entre attitudes et actions est faible, soulignant la nécessité d’évaluer les comportements réels plutôt que les intentions.

2. Motivation (Dynamique) :

   • Les théories motivationnelles récentes mettent l’accent sur les approches humanistes (Maslow, Erikson) et cognitives.

   • Une classification en 16 motifs (Tableau 1) distingue les motifs cognitifs (par exemple, consistance, autonomie) et affectifs (par exemple, réduction de tension, affiliation), chacun influençant différemment les choix des consommateurs.

   • Les motifs ne sont pas uniformément pertinents ; leur impact dépend du domaine de consommation (par exemple, achats impulsifs vs. achats réfléchis).

3. Implications :

   • Les communicateurs doivent optimiser chaque étape du traitement de l’information pour maximiser l’impact (par exemple, éviter les messages effrayants qui perturbent la compréhension).

   • Les éducateurs doivent enseigner des heuristiques décisionnelles pour contrer les biais cognitifs (par exemple, en arithmétique approximative).

   • Les recherches futures devraient explorer l’organisation cognitive des produits et les stratégies de recherche des consommateurs.

Points clés pour la pratique

• Les campagnes de communication doivent équilibrer l’attention, la clarté et la crédibilité pour influencer efficacement les comportements d’achat.

• L’éducation des consommateurs devrait inclure des techniques pour améliorer la prise de décision, comme la reconnaissance des biais heuristiques.

• Les marketers doivent reconnaître que les tests de perception ou de rappel ne prédisent pas nécessairement les ventes réelles.

Références exactes citées

• Allport, G. W., & Odbert, H. S. (1936). Trait-names: A psycho-lexical study. Psychological Monographs, 47(1, Whole No. 211).

• Allport, G. W., Vernon, P. E., & Lindzey, G. (1951). The study of values (Rev. ed.). Boston: Houghton Mifflin.

• Anderson, B. F. (1975). Cognitive psychology: The study of knowing, learning, and thinking. New York: Academic Press.

• Anderson, N. H. (1974a). Algebraic models in perception. In E. C. Carterette & M. P. Friedman (Eds.), Handbook of perception: Vol. 2. Psychophysical judgment and measurement (pp. 215–298). New York: Academic Press.

• Anderson, N. H. (1974b). Cognitive algebra: Integration theory applied to social attribution. Advances in Experimental Social Psychology, 7, 1–101.

• Bakan, P. (Ed.). (1966). Attention: An enduring problem in psychology. Princeton, NJ: Van Nostrand.

• Bem, D. J. (1970). Beliefs, attitudes, and human affairs. Belmont, CA: Brooks/Cole.

• Berlin, B., Breedlove, D. E., & Raven, P. H. (Eds.). (1974). Principles of Tzeltal plant classification: An introduction to the botanical ethnography of a Mayan-speaking people of Highland Chiapas. New York: Academic Press.

• Blumenthal, A. L. (1970). Language & psychology: Historical aspects of psycholinguistics. New York: Wiley.

• Bower, G. H. (Ed.). (1972). The psychology of learning and motivation: Vol. 6. Advances in research and theory. New York: Academic Press.

• Bridges, K. M. B. (1932). Emotional development in early infancy. Child Development, 3(4), 324–341.

• Calder, B. J., & Ross, M. (1973). Attitudes and behavior. Morristown, NJ: General Learning Press.

• Capon, N., & Hulbert, J. (1973). The sleeper effect—An awakening. Public Opinion Quarterly, 37(3), 333–358.

• Carterette, E. C., & Friedman, M. P. (Eds.). (1973, 1974). Handbook of perception (3 vols.). New York: Academic Press.

• Cattell, R. B., & Eber, H. W. (1957). The sixteen personality factor questionnaire. Champaign, IL: Institute for Personality and Ability Testing.

• Cofer, C. N. (1972). Motivation and emotion. Glenview, IL: Scott, Foresman.

• Colby, B. N. (1975). Cultural grammars. Science, 187(4179), 913–919.

• Cole, J. K., & Dienstbier, R. (Eds.). (1974). Nebraska symposium on motivation, 1973: The complexities of sexual script (Vol. 21). Lincoln: University of Nebraska Press.

• Cole, M., & Scribner, S. (1974). Culture and thought: A psychological introduction. New York: Wiley.

• Cornsweet, T. N. (1970). Visual perception. New York: Academic Press.

• Dawes, R. M. (1971). A case study of graduate admissions: Application of three principles of human decision making. American Psychologist, 26(2), 180–188.

• Deese, J. E. (1970). Psycholinguistics. Boston: Allyn and Bacon.

• Dember, W. N. (1974). Motivation and the cognitive revolution. American Psychologist, 29(3), 161–168.

• Deutsch, D., & Deutsch, J. A. (Eds.). (1975). Short-term memory. New York: Academic Press.

• Deutscher, I. (1973). What we say/what we do: Sentiments and acts. Glenview, IL: Scott, Foresman.

• Eagly, A. H. (1974). Comprehensibility of persuasive arguments as a determinant of opinion change. Journal of Personality and Social Psychology, 29(6), 758–773.

• Edwards, A. L. (1959). Personal preference schedule: Manual (Rev.). New York: Psychological Corporation.

• Ehrlich, H. J. (1969). Attitudes, behavior, and the intervening variables. American Sociologist, 4(1), 29–34.

• Erikson, E. H. (1963). Childhood and society. New York: Norton.

• Eysenck, H. J. (1962). Maudsley personality inventory. San Diego: Educational and Industrial Testing Service.

• Farley, J. U., Howard, J. A., & Ring, L. W. (1974). Consumer behavior: Theory and application. Boston: Allyn and Bacon.

• Ferber, R. (Ed.). (1976). A synthesis of selected aspects of consumer behavior. Washington, DC: National Science Foundation.

• Fishbein, M. (1973). The prediction of behavior from attitudinal variables. Advances in Communication Research, 1, 3–31.

• Fishbein, M., & Ajzen, I. (1972). Attitudes and opinions. Annual Review of Psychology, 23, 487–544.

• Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention and behavior: An introduction to theory and research. Reading, MA: Addison-Wesley.

• Gillig, P. M., & Greenwald, A. G. (1974). Is it time to lay the sleeper effect to rest? Journal of Personality and Social Psychology, 29(1), 132–139.

• Gough, H. G., & Heilbrun, A. B. (1965). The adjective check list manual. Palo Alto, CA: Consulting Psychologists Press.

• Green, P. E., & Carmone, F. J. (1970). Multidimensional scaling and related techniques in marketing analysis. Boston: Allyn and Bacon.

• Greeno, J. G., & Bjork, R. A. (1973). Mathematical learning theory and the new “mentalism”. Annual Review of Psychology, 24, 81–116.

• Greenwald, A. G. (1968). Cognitive learning, cognitive response to persuasion, and attitude change. In A. G. Greenwald, T. C. Brock, & T. M. Ostrom (Eds.), Psychological foundations of attitudes (pp. 147–170). New York: Academic Press.

• Gregg, L. W. (Ed.). (1974). Knowledge and cognition. New York: Wiley.

• Guilford, J. P. (1967). The nature of human intelligence. New York: McGraw-Hill.

• Hammond, K., Stewart, T. R., Brehmer, B., & Steinman, D. (in press). Social judgment theory. In M. Kaplan & F. Schwartz (Eds.), Human judgment and decision processes: Formal and mathematical approaches. New York: Academic Press.

• Holbrook, M. B., & Howard, J. A. (1976). Consumer research on frequently purchased nondurable goods and services. In R. Ferber (Ed.), A synthesis of selected aspects of consumer behavior. Washington, DC: National Science Foundation.

• Howard, J. A., & Sheth, J. N. (1969). The theory of buyer behavior. New York: Wiley.

• Jackson, D. N. (1967). Personality research form manual. Goshen, NY: Research Psychologists Press.

• Jacoby, J. (1975). Consumer psychology as a social psychological sphere of action. American Psychologist, 30(10), 977–987.

• Jameson, D. A., & Hurvich, L. M. (Eds.). (1972). Visual psychophysics. New York: Springer-Verlag.

• Johnson, D. M. (1972). Systematic introduction to the psychology of thinking. New York: Harper & Row.

• Jung, C. G. (1923). Psychological types. New York: Harcourt, Brace.

• Kahneman, D. (1973). Attention and effort. Englewood Cliffs, NJ: Prentice-Hall.

• Kausler, D. H. (1974). Psychology of verbal learning and memory. New York: Academic Press.

• Kiesler, C. A., Collins, B. E., & Miller, N. (1969). Attitude change: A critical analysis of theoretical approaches. New York: Wiley.

• Kiesler, C. A., & Munson, P. A. (1975). Attitudes and opinions. Annual Review of Psychology, 26, 415–456.

• Klapper, J. T. (1949). The effects of mass media. New York: Bureau of Applied Social Research, Columbia University.

• Lee, W. (1971). Decision theory and human behavior. New York: Wiley.

• Lévi-Strauss, C. (1963). Structural anthropology. New York: Basic Books.

• Lindsay, P. H., & Norman, D. A. (1972). Human information processing: An introduction to psychology. New York: Academic Press.

• Liska, A. E. (Ed.). (1974a). The consistency controversy: Readings on the impact of attitude on behavior. New York: Wiley.

• Liska, A. E. (1974b). Emergent issues in the attitude-behavior consistency controversy. American Sociological Review, 39(2), 261–272.

• McDougall, W. (1923). Outline of psychology. New York: Scribner’s.

• McGuire, W. J. (1960). A syllogistic analysis of cognitive relationships. In C. I. Hovland & M. J. Rosenberg (Eds.), Attitude organization and change: An analysis of consistency among attitude components (pp. 65–111). New Haven, CT: Yale University Press.

• McGuire, W. J. (1968a). Personality and susceptibility to social influence. In E. F. Borgatta & W. W. Lambert (Eds.), Handbook of personality theory and research (pp. 1130–1187). Chicago: Rand McNally.

• McGuire, W. J. (1968b). Selective exposure: A summing up. In R. P. Abelson et al. (Eds.), Theories of cognitive consistency: A sourcebook (pp. 797–800). Chicago: Rand McNally.

• McGuire, W. J. (1969). The nature of attitudes and attitude change. In G. Lindzey & E. Aronson (Eds.), The handbook of social psychology: Vol. 3. The individual in a social context (2nd ed., pp. 136–314). Reading, MA: Addison-Wesley.

• McGuire, W. J. (1974). Psychological motives and communication gratification. In J. G. Blumler & E. Katz (Eds.), The uses of mass communications: Current perspectives on gratifications research (pp. 167–196). Beverly Hills, CA: Sage Publications.

• McGuire, W. J. (1975). Concepts of attitudes and their relations to behavior. Unpublished paper, Department of Psychology, Yale University.

• McGuire, W. J. (1976). Psychological factors influencing consumer choice. In R. Ferber (Ed.), A synthesis of selected aspects of consumer behavior. Washington, DC: National Science Foundation.

• McGuire, W. J. (in press). An information processing model of advertising effectiveness. In H. L. Davis & A. J. Silk (Eds.), Behavioral and management sciences in marketing. New York: Ronald Press.

• Mackworth, J. F. (1970). Vigilance and attention: A signal detection approach. Harmondsworth, Middlesex, England: Penguin Books.

• Madsen, K. B. (1974). Modern theories of motivation: A comparative metascientific study. New York: Wiley.

• Maslow, A. H. (1970). Motivation and personality (2nd ed.). New York: Harper & Row.

• Mehrabian, A. (1970). Tactics of social influence. Englewood Cliffs, NJ: Prentice-Hall.

• Melton, A. W., & Martin, E. (Eds.). (1972). Coding processes in human memory. New York: Wiley.

• Miller, G. R., & Burgoon, M. (1973). New techniques of persuasion. New York: Harper & Row.

• Moran, W. T. (1973). Consumenoid. Unpublished paper, Lever Brothers, New York.

• Moray, N. (1969). Attention: Selective processes in vision and hearing. London: Hutchinson Educational Ltd.

• Murdock, B. B. (1974). Human memory: Theory and data. New York: Wiley.

• Murray, H. A., et al. (1938). Explorations in personality: A clinical and experimental study of fifty men of college age. New York: Oxford University Press.

• Neimark, E. D., & Santa, J. L. (1975). Thinking and concept attainment. Annual Review of Psychology, 26, 173–205.

• Neisser, U. (1967). Cognitive psychology. New York: Appleton-Century-Crofts.

• Newell, A., & Simon, H. A. (1972). Human problem solving. Englewood Cliffs, NJ: Prentice-Hall.

• Nilsson, N. J. (1971). Problem-solving methods in artificial intelligence. New York: McGraw-Hill.

• Norman, D. A. (1969). Memory and attention: An introduction to human information processing. New York: Wiley.

• Norman, D. A. (Ed.). (1970). Models of human memory. New York: Academic Press.

• Piaget, J. (1952). The origins of intelligence in children (2nd ed.). New York: International Universities Press.

• Pollio, H. R. (1974). The psychology of symbolic activity. Reading, MA: Addison-Wesley.

• Posner, M. I. (1973). Cognition: An introduction. Glenview, IL: Scott, Foresman.

• Postman, L. (1975). Verbal learning and memory. Annual Review of Psychology, 26, 291–335.

• Rapoport, A., & Wallsten, T. S. (1972). Individual decision behavior. Annual Review of Psychology, 23, 131–176.

• Rokeach, M. (1973). The nature of human values. New York: Free Press.

• Rosenberg, S. (1968). Mathematical models of social behavior. In G. Lindzey & E. Aronson (Eds.), The handbook of social psychology: Vol. 1. Historical introduction/systematic positions (2nd ed., pp. 179–244). Reading, MA: Addison-Wesley.

• Schank, R. C., & Colby, K. M. (Eds.). (1973). Computer models of thought and language. San Francisco: Freeman.

• Shepard, R. N., Romney, A. K., & Nerlove, S. B. (Eds.). (1972). Multidimensional scaling: Theory and applications in the behavioral sciences (2 vols.). New York: Seminar Press.

• Slobin, D. I. (1971). Psycholinguistics. Glenview, IL: Scott, Foresman.

• Slovic, P., & Lichtenstein, S. (1971). Comparison of Bayesian and regression approaches to the study of information processing in judgment. Organizational Behavior and Human Performance, 6(6), 649–744.

• Steffire, V. J. (1968). Market structure studies: New products for old markets and new markets (foreign) for old products. In F. M. Bass, C. W. King, & E. A. Pessemier (Eds.), Applications of the sciences in marketing management (pp. 251–268). New York: Wiley.

• Szalai, A. (Ed.). (1972). The use of time: Daily activities of urban and suburban populations in twelve countries. The Hague: Mouton.

• Thomas, K. (Ed.). (1971). Attitudes and behaviour: Selected readings. Harmondsworth, Middlesex, England: Penguin Books.

• Triandis, H. C. (1971). Attitude and attitude change. New York: Wiley.

• Tulving, E., & Donaldson, W. (Eds.). (1972). Organization of memory. New York: Academic Press.

• Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131.

• Watts, W. A., & McGuire, W. J. (1964). Persistence of induced opinion change and retention of the inducing message contents. Journal of Abnormal and Social Psychology, 68(3), 233–241.

• Weiner, B. (1972). Theories of motivation: From mechanism to cognition. Chicago: Markham.

• Weiner, B. (Ed.). (1974). Cognitive views of human motivation. New York: Academic Press.

• Wickelgren, W. A. (1974). How to solve problems: Elements of a theory of problems and problem solving. San Francisco: Freeman.

• Wicker, A. W. (1969). Attitudes versus actions: The relationship of verbal and overt behavioral responses to attitude objects. Journal of Social Issues, 25(4), 41–78.

• Wyer, R. S., Jr. (1974). Cognitive organization and change: An information processing approach. New York: Wiley.

• Zimbardo, P. G. (1969). The cognitive control of motivation: The consequences of choice and dissonance. Glenview, IL: Scott, Foresman.

• Zimbardo, P. G., & Ebbesen, E. B. (1969). Influencing attitudes and changing behavior: A basic introduction to relevant methodology, theory, and applications. Reading, MA: Addison-Wesley.

Lemon, K. N., & Verhoef, P. C. (2016). Understanding customer experience throughout the customer journey. Journal of Marketing: AMA/MSI Special Issue, 80(6), 69–96. https://doi.org/10.1509/jm.15.0420

Objectif

L’article de Lemon et Verhoef vise à développer une compréhension approfondie de l’expérience client et du parcours client dans un contexte de comportements clients de plus en plus complexes. Les auteurs cherchent à :

1. Définir et conceptualiser l’expérience client en tant que construction multidimensionnelle.

2. Retracer les racines historiques de l’expérience client dans la littérature marketing.

3. Synthétiser les connaissances actuelles sur l’expérience client, le parcours client et la gestion de l’expérience client.

4. Identifier les lacunes critiques et proposer un agenda de recherche pour les travaux futurs.

Méthodologie

L’article adopte une approche théorique et synthétique, sans étude empirique directe. Les auteurs procèdent à :

• Une revue de la littérature existante sur l’expérience client, en examinant les définitions et conceptualisations (e.g., Schmitt, 1999 ; Verhoef et al., 2009).

• Une analyse historique des racines de l’expérience client, en reliant le concept à des théories antérieures du marketing (e.g., satisfaction client, qualité de service, marketing relationnel).

• Une synthèse des connaissances actuelles, structurée autour de trois domaines : le parcours client, la mesure de l’expérience client et la gestion de l’expérience client.

• Une proposition d’agenda de recherche basé sur les lacunes identifiées.

Résultats

1. Définition de l’expérience client : L’expérience client est définie comme un construit multidimensionnel englobant les réponses cognitives, émotionnelles, comportementales, sensorielles et sociales d’un client aux interactions avec une entreprise tout au long de son parcours d’achat.

2. Racines historiques : L’expérience client s’appuie sur des concepts établis comme les modèles de comportement d’achat (Howard & Sheth, 1969), la satisfaction client, la qualité de service (Parasuraman et al., 1988), le marketing relationnel, la gestion de la relation client (CRM), la centralité client et l’engagement client.

3. Connaissances actuelles :

   • Parcours client : L’expérience client est conceptualisée comme un processus dynamique à travers les phases de pré-achat, achat et post-achat, avec de multiples points de contact (touch points).

   • Mesure : Les mesures incluent des échelles comme SERVQUAL, EXQ (Klaus & Maklan, 2012), et des métriques comme le Net Promoter Score (NPS), bien que des lacunes subsistent dans la mesure holistique.

   • Gestion : La gestion de l’expérience client nécessite une intégration interfonctionnelle (IT, marketing, opérations) et une coordination avec des partenaires externes, dans un contexte d’omnicanalité et de fragmentation des médias.

4. Distinctivité : L’expérience client se distingue d’autres construits comme la satisfaction (évaluation cognitive) et la qualité de service (antécédent), bien que des relations complexes existent avec la confiance, l’engagement et l’attachement à la marque.

5. Agenda de recherche : Les auteurs proposent des recherches sur la modélisation empirique des points de contact, l’impact des interactions sociales, l’intégration omnicanale et les métriques prédictives.

Points clés pour la pratique

• Les entreprises doivent adopter une vision holistique de l’expérience client, en intégrant tous les points de contact.

• La coordination interfonctionnelle et externe est essentielle pour gérer des parcours clients complexes.

• Les comportements comme le showrooming et l’influence des médias sociaux nécessitent une adaptation stratégique.

Références exactes citées

• Abbott, L. (1955). Quality and competition: An essay in economic theory. New York: Columbia University Press.

• Accenture (2015). Improving customer experience is top business priority for companies in 2015. Press Release (in cooperation with Forrester).

• Alderson, W. (1957). Marketing behavior and executive action: A functionalist approach to marketing theory. Homewood, IL: Richard D. Irwin.

• Anderson, E. W., Fornell, C., & Mazvancheryl, S. K. (2004). Customer satisfaction and shareholder value. Journal of Marketing, 68(4), 172–185.

• Anderson, E. W., & Mittal, V. (2000). Strengthening the satisfaction-profit chain. Journal of Service Research, 3(2), 107–120.

• Bagozzi, R. P., Gopinath, M., & Nyer, P. U. (1999). The role of emotions in marketing. Journal of the Academy of Marketing Science, 27(2), 184–206.

• Berry, L. L. (1995). Relationship marketing of services—Growing interest, emerging perspectives. Journal of the Academy of Marketing Science, 23(4), 236–245.

• Berry, L. L., Carbone, L. P., & Haeckel, S. H. (2002). Managing the total customer experience. MIT Sloan Management Review, 43(3), 85–89.

• Bitner, M. J. (1990). Evaluating service encounters: The effects of physical surroundings and employee responses. Journal of Marketing, 54(2), 69–82.

• Bitner, M. J. (1992). Servicescapes: The impact of physical surroundings on customers and employees. Journal of Marketing, 56(2), 57–71.

• Bitner, M. J., Ostrom, A. L., & Morgan, F. N. (2008). Service blueprinting: A practical technique for service innovation. California Management Review, 50(3), 66–94.

• Bolton, R. N. (1998). A dynamic model of the duration of the customer’s relationship with a continuous service provider: The role of satisfaction. Marketing Science, 17(1), 45–65.

• Bolton, R. N. (2016). Service excellence: Creating customer experiences that build relationships. New York: Business Expert Press.

• Bolton, R. N., & Drew, J. H. (1991). A longitudinal analysis of the impact of service changes on customer attitudes. Journal of Marketing, 55(1), 1–9.

• Bolton, R. N., Gustafsson, A., McColl-Kennedy, J., Sirianni, N. J., & Tse, D. K. (2014). Small details that make big differences: A radical approach to consumption experience as a firm’s differentiating strategy. Journal of Service Management, 25(2), 253–274.

• Bolton, R. N., Lemon, K. N., & Verhoef, P. C. (2004). The theoretical underpinnings of customer asset management: A framework and propositions for future research. Journal of the Academy of Marketing Science, 32(3), 271–292.

• Bolton, R. N., Lemon, K. N., & Verhoef, P. C. (2008). Expanding business-to-business customer relationships: Modeling the customer’s upgrade decision. Journal of Marketing, 72(1), 46–64.

• Brakus, J. J., Schmitt, B. H., & Zarantonello, L. (2009). Brand experience: What is it? How is it measured? Does it affect loyalty? Journal of Marketing, 73(3), 52–68.

• Brasel, S. A., & Gips, J. (2014). Tablets, touchscreens, and touchpads: How varying touch interfaces trigger psychological ownership and endowment. Journal of Consumer Psychology, 24(2), 226–233.

• Brasel, S. A., & Gips, J. (2015). Interface psychology: Touchscreens change attribute importance, decision criteria, and behavior in online choice. Cyberpsychology, Behavior, and Social Networking, 18(9), 534–538.

• Brinker, M., Lobaugh, K., & Paul, A. (2012). The dawn of mobile influence: Discovering the value of mobile in retail. Deloitte Digital. Retrieved from http://www2.deloitte.com/content/dam/Deloitte/us/Documents/consumer-business/us-retail-mobile-influence-factor-062712.pdf

• Brodie, R. J., Hollebeek, L. D., Jurić, B., & Ilić, A. (2011). Customer engagement: Conceptual domain, fundamental propositions, and implications for research. Journal of Service Research, 14(3), 252–271.

• Brodie, R. J., Ilic, A., Juric, B., & Hollebeek, L. (2013). Consumer engagement in a virtual brand community: An exploratory analysis. Journal of Business Research, 66(1), 105–114.

• Brynjolfsson, E., Hu, Y. J., & Rahman, M. S. (2013). Competing in the age of omnichannel retailing. MIT Sloan Management Review, 54(4), 23–29.

• Bügel, M. S. (2010). The application of psychological theories for an improved understanding of customer relationships. Doctoral dissertation, University of Groningen.

• Bügel, M. S., Verhoef, P. C., & Buunk, A. P. (2011). Customer intimacy and commitment to relationships with firms in five different sectors: Preliminary evidence. Journal of Retailing and Consumer Services, 18(4), 247–258.

• Burnham, T. A., Frels, J. K., & Mahajan, V. (2003). Consumer switching costs: A typology, antecedents, and consequences. Journal of the Academy of Marketing Science, 31(2), 109–126.

• Calder, B. J., Isaac, M. S., & Malthouse, E. C. (2016). How to capture consumer experiences: A context-specific approach to measuring engagement. Journal of Advertising Research, 56(1), 39–52.

• Chandler, J. D., & Lusch, R. F. (2015). Service systems: A broadened framework and research agenda on value propositions, engagement, and service experience. Journal of Service Research, 18(1), 6–22.

• Christensen, C. M., Cook, S., & Hall, T. (2005). Marketing malpractice: The cause and the cure. Harvard Business Review, 83(12), 74–83.

• Christensen, C. M., Anthony, S. D., Berstell, G., & Nitterhouse, D. (2007). Finding the right job for your product. MIT Sloan Management Review, 48(3), 38–47.

• Court, D., Elzinga, D., Mulder, S., & Vetvik, O. J. (2009). The consumer decision journey. McKinsey Quarterly, 3, 96–107.

• Cronin, J. J., Jr., & Taylor, S. A. (1992). Measuring service quality: A reexamination and extension. Journal of Marketing, 56(3), 55–68.

• Cronin, J. J., Jr., & Taylor, S. A. (1994). SERVPERF versus SERVQUAL: Reconciling performance-based and perceptions-minus-expectations measurement of service quality. Journal of Marketing, 58(1), 125–131.

• De Haan, E., Wiesel, T., & Pauwels, K. (2016). The effectiveness of different forms of online advertising for purchase conversion in a multiple-channel attribution framework. International Journal of Research in Marketing, 33(3), 491–507.

• De Keyser, A., Lemon, K. N., Klaus, P., & Keiningham, T. L. (2015). A framework for understanding and managing the customer experience. MSI Working Paper Series, 15-121. Cambridge, MA: Marketing Science Institute.

• De Wulf, K., Odekerken-Schröder, G., & Iacobucci, D. (2001). Investments in consumer relationships: A cross-country and cross-industry exploration. Journal of Marketing, 65(4), 33–50.

• Dorotic, M., Bijmolt, T. H. A., & Verhoef, P. C. (2012). Loyalty programmes: Current knowledge and research directions. International Journal of Management Reviews, 14(3), 217–237.

• Dorotic, M., Fok, D., Verhoef, P. C., & Bijmolt, T. H. A. (2011). Do vendors benefit from promotions in a multi-vendor loyalty program? Marketing Letters, 22(4), 341–356.

• Dwyer, F. R., Schurr, P. H., & Oh, S. (1987). Developing buyer-seller relationships. Journal of Marketing, 51(2), 11–27.

• Eastlick, M. A., & Feinberg, R. A. (1999). Shopping motives for mail catalog shoppers. Journal of Business Research, 45(3), 281–290.

• Edelman, D. C. (2010). Branding in the digital age. Harvard Business Review, 88(12), 62–69.

• Edelman, D. C., & Singer, M. (2015). Competing on customer journeys. Harvard Business Review, 93(11), 88–100.

• Edwards, G. (2014). How to embrace retail’s newest trend: Webrooming. Retail TouchPoints Blog. Retrieved from http://retailtouchpoints.tumblr.com/post/59107311088/how-to-embrace-retails-newest-trend-webrooming

• Elberse, A. (2010). Bye-bye bundles: The unbundling of music in digital channels. Journal of Marketing, 74(3), 107–123.

• Emrich, O., Paul, M., & Rudolph, T. (2015). Shopping benefits of multichannel assortment integration and the moderating role of retailer type. Journal of Retailing, 91(2), 326–342.

• Emrich, O., & Verhoef, P. C. (2015). The impact of a homogenous versus a prototypical web design on online retail patronage for multichannel providers. International Journal of Research in Marketing, 32(4), 363–374.

• Fader, P. (2012). Customer centricity: Focus on the right customers for strategic advantage. Philadelphia: Wharton Digital Press.

• Falk, T., Schepers, J., Hammerschmidt, M., & Bauer, H. H. (2007). Identifying cross-channel dissynergies for multichannel service providers. Journal of Service Research, 10(2), 143–160.

• Fornell, C., Rust, R. T., & Dekimpe, M. G. (2010). The effect of customer satisfaction on consumer spending growth. Journal of Marketing Research, 47(1), 28–35.

• Fournier, S. (1998). Consumers and their brands: Developing relationship theory in consumer research. Journal of Consumer Research, 24(4), 343–353.

• Frey, B. S., & Stutzer, A. (2002). What can economists learn from happiness research? Journal of Economic Literature, 40(2), 402–435.

• Gensler, S., Leeflang, P. S. H., & Skiera, B. (2012). Impact of online channel use on customer revenues and costs to serve: Considering product portfolios and self-selection. International Journal of Research in Marketing, 29(2), 192–201.

• Gensler, S., Verhoef, P. C., & Böhm, M. (2012). Understanding consumers’ multichannel choices across the different stages of the buying process. Marketing Letters, 23(4), 987–1003.

• Gentile, C., Spiller, N., & Noci, G. (2007). How to sustain the customer experience: An overview of experience components that co-create value with the customer. European Management Journal, 25(5), 395–410.

• Geyskens, I., Steenkamp, J.-B. E. M., & Kumar, N. (1998). Generalizations about trust in marketing channel relationships using meta-analysis. International Journal of Research in Marketing, 15(3), 223–248.

• Gijsenberg, M. J., van Heerde, H. J., & Verhoef, P. C. (2015). Losses loom longer than gains: Modeling the impact of service crisis on perceived service quality over time. Journal of Marketing Research, 52(5), 642–656.

• Gomez, M. I., McLaughlin, E. W., & Wittink, D. R. (2004). Customer satisfaction and retail sales performance: An empirical investigation. Journal of Retailing, 80(4), 265–278.

• Grewal, D., Levy, M., & Kumar, V. (2009). Customer experience management in retailing: An organizing framework. Journal of Retailing, 85(1), 1–14.

• Gulati, R., & Oldroyd, J. B. (2005). The quest for customer focus. Harvard Business Review, 83(4), 92–101.

• Gupta, S., Lehmann, D. R., & Stuart, J. A. (2004). Valuing customers. Journal of Marketing Research, 41(1), 7–18.

• Gupta, S., & Zeithaml, V. (2006). Customer metrics and their impact on financial performance. Marketing Science, 25(6), 718–739.

• Ha, A. (2015). VU digital translates videos into structured data. Techcrunch. Retrieved from http://techcrunch.com/2015/05/04/video-to-data/

• Hanssens, D. M. (2015). Empirical generalizations about marketing impact (2nd ed.). Cambridge, MA: Marketing Science Institute.

• Hanssens, D. M., Pauwels, K. H., Srinivasan, S., Vanhuele, M., & Yildirim, G. (2014). Consumer attitude metrics for guiding marketing mix decisions. Marketing Science, 33(4), 534–550.

• Herhausen, D., Binder, J., Schoegel, M., & Herrmann, A. (2015). Integrating bricks with clicks: Retailer-level and channel-level outcomes of online-offline channel integration. Journal of Retailing, 91(2), 309–325.

• Herskovitz, S., & Crystal, M. (2010). The essential brand persona: Storytelling and branding. Journal of Business Strategy, 31(3), 21–28.

• Hirschman, E. C., & Holbrook, M. B. (1982). Hedonic consumption: Emerging concepts, methods and propositions. Journal of Marketing, 46(3), 92–101.

• Hitt, L. M., & Frei, F. X. (2002). Do better customers utilize electronic distribution channels? The case of PC banking. Management Science, 48(6), 732–748.

• Holbrook, M. B., & Hirschman, E. C. (1982). The experiential aspects of consumption: Consumer fantasies, feelings, and fun. Journal of Consumer Research, 9(2), 132–140.

• Hollebeek, L. D., Glynn, M. S., & Brodie, R. J. (2014). Consumer brand engagement in social media: Conceptualization, scale development and validation. Journal of Interactive Marketing, 28(2), 149–165.

• Homburg, C., Jozić, D., & Kuehnl, C. (2015). Customer experience management: Toward implementing an evolving marketing concept. Journal of the Academy of Marketing Science. Advance online publication. https://doi.org/10.1007/s11747-015-0460-7

• Howard, J. A., & Sheth, J. N. (1969). The theory of buyer behavior. New York: John Wiley & Sons.

• Hoyer, W. D. (1984). An examination of consumer decision making for a common repeat purchase product. Journal of Consumer Research, 11(3), 822–829.

• Hoyer, W. D., Chandy, R., Dorotic, M., Krafft, M., & Singh, S. S. (2010). Consumer cocreation in new product development. Journal of Service Research, 13(3), 283–305.

• Hoyer, W. D., & MacInnis, D. J. (2007). Consumer behavior. Boston: Houghton Mifflin.

• Hui, S. K., Inman, J. J., Huang, Y., & Suher, J. (2013). The effect of in-store travel distance on unplanned spending: Applications to mobile promotion strategies. Journal of Marketing, 77(2), 1–16.

• Hunneman, A., Verhoef, P. C., & Sloot, L. M. (2015). The impact of consumer confidence on store satisfaction and share of wallet formation. Journal of Retailing, 91(4), 642–656.

• Husson, T., Ask, J. A., Johnson, C., Parrish, M., & Kwan, E. (2014). Predictions 2014: Mobile trends for marketers. Forrester Research.

• Iyengar, S. S., & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing? Journal of Personality and Social Psychology, 79(6), 995–1006.

• Keiningham, T. L., Cooil, B., Andreassen, T. W., & Aksoy, L. (2007). A longitudinal examination of net promoter and firm revenue growth. Journal of Marketing, 71(3), 39–51.

• Keiningham, T. L., Malthouse, E. C., Buoye, A., Aksoy, L., De Keyser, A., et al. (2015). Perceptions are relative: An examination of the relationship between relative satisfaction metrics and share of wallet. Journal of Service Management, 26(1), 2–43.

• Kelley, S. W., & Davis, M. A. (1994). Antecedents to customer expectations for service recovery. Journal of the Academy of Marketing Science, 22(1), 52–61.

• Klaus, P. (2015). Measuring customer experience: How to develop and execute the most profitable customer experience strategies. New York: Palgrave Macmillan.

• Klaus, P., & Maklan, S. (2012). EXQ: A multiple-item scale for assessing service experience. Journal of Service Management, 23(1), 5–33.

• Klaus, P., & Maklan, S. (2013). Towards a better measure of customer experience. International Journal of Market Research, 55(2), 227–246.

• Kotler, P. (1967). Marketing management: Analysis, planning, and control. Englewood Cliffs, NJ: Prentice-Hall.

• Kumar, V. (2013). Profitable customer engagement: Concept, metrics and strategies. New Delhi: Sage Publications.

• Kumar, V., Aksoy, L., Donkers, B., Venkatesan, R., Wiesel, T., & Tillmanns, S. (2010). Undervalued or overvalued customers: Capturing total customer engagement value. Journal of Service Research, 13(3), 297–310.

• Kumar, V., & Pansari, A. (2016). Competitive advantage through engagement. Journal of Marketing Research, 53(4), 497–514.

• Kumar, V., Petersen, J. A., & Leone, R. P. (2010). Driving profitability by encouraging customer referrals: Who, when, and how. Journal of Marketing, 74(5), 1–17.

• Kumar, V., & Reinartz, W. (2006). Customer relationship management: A databased approach. Hoboken, NJ: John Wiley & Sons.

• Kumar, V., & Reinartz, W. (2016). Creating enduring customer value. Journal of Marketing, 80(6), 36–68.

• Kumar, V., & Shah, D. (2009). Expanding the role of marketing: From customer equity to market capitalization. Journal of Marketing, 73(6), 148–166.

• Kumar, V., Sharma, A., Shah, R., & Rajan, B. (2013). Establishing profitable customer loyalty programs: Monetary and non-monetary customer value-based approaches. Journal of Retailing, 89(1), 17–35.

• Kunz, W. H., & Hogreve, J. (2011). Toward a deeper understanding of service marketing: The past, the present, and the future. International Journal of Research in Marketing, 28(3), 231–247.

• Kusinitz, S. (2014). The definition of a buyer persona. Hubspot Blog. Retrieved from http://blog.hubspot.com/marketing/buyer-persona-definition

• Lavidge, R. J., & Steiner, G. A. (1961). A model for predictive measurements of advertising effectiveness. Journal of Marketing, 25(6), 59–62.

• Leeflang, P. S. H., Spring, P. N., Van Doorn, J., & Wansbeek, T. J. (2013). Identifying the direct mail-prone consumer. Journal of Global Scholars of Marketing Science, 23(2), 175–195.

• Leeflang, P. S. H., Verhoef, P. C., Dahlström, P., & Freundt, T. (2014). Challenges and solutions for marketing in a digital era. European Management Journal, 32(1), 1–12.

• Lemke, F., Clark, M., & Wilson, H. (2011). Customer experience quality: An exploration in business and consumer contexts using repertory grid technique. Journal of the Academy of Marketing Science, 39(6), 846–869.

• Lewis, M. (2006). Customer acquisition promotions and customer asset value. Journal of Marketing Research, 43(2), 195–203.

• Li, H., & Kannan, P. K. (2014). Attributing conversions in a multichannel online marketing environment: An empirical model and a field experiment. Journal of Marketing Research, 51(1), 40–56.

• Libai, B., Bolton, R., Bügel, M. S., de Ruyter, K., Götz, O., Risselada, H., et al. (2010). Customer-to-customer interactions: Broadening the scope of word of mouth research. Journal of Service Research, 13(3), 267–282.

• Lin, J.-S. C., & Liang, H.-Y. (2011). The influence of service environments on customer emotion and service outcomes. Managing Service Quality: An International Journal, 21(4), 350–372.

• Ma, Y., Ailawadi, K. L., Gauri, D. K., & Grewal, D. (2011). An empirical investigation of the impact of gasoline prices on grocery shopping behavior. Journal of Marketing, 75(2), 18–35.

• Macdonald, E. K., Wilson, H. N., & Konuş, U. (2012). Better customer insight—in real time. Harvard Business Review, 90(9), 102–108.

• MacKenzie, S. B., & Lutz, R. J. (1989). An empirical examination of the structural antecedents of attitude toward the ad in an advertising pretesting context. Journal of Marketing, 53(2), 48–65.

• Maklan, S., & Klaus, P. (2011). Customer experience: Are we measuring the right things? International Journal of Market Research, 53(6), 771–792.

• Malthouse, E. C., & Calder, B. J. (2011). Engagement and experiences: Comment on Brodie, Hollebeek, Jurić, and Ilić (2011). Journal of Service Research, 14(3), 272–279.

• Manchanda, P., Dubé, J.-P., Goh, K. Y., & Chintagunta, P. K. (2006). The effect of banner advertising on internet purchasing. Journal of Marketing Research, 43(1), 98–108.

• Manchanda, P., Packard, G., & Pattabhiramaiah, A. (2015). Social dollars: The economic impact of customer participation in a firm-sponsored online customer community. Marketing Science, 34(3), 367–387.

• Marketing Science Institute. (2014). Research priorities 2014–2016. Cambridge, MA: Marketing Science Institute. Retrieved from http://www.msi.org/uploads/files/MSI_RP14-16.pdf

• Marketing Science Institute. (2016). Research priorities 2016–2018. Cambridge, MA: Marketing Science Institute. Retrieved from http://www.msi.org/uploads/articles/MSI_RP16-18.pdf

• McCarthy, J., & Wright, P. (2004). Technology as experience. Cambridge, MA: MIT Press.

• Meyer, C., & Schwager, A. (2007). Understanding customer experience. Harvard Business Review, 85(2), 117–126.

• Mittal, V., Kumar, P., & Tsiros, M. (1999). Attribute-level performance, satisfaction, and behavioral intentions over time: A consumption-system approach. Journal of Marketing, 63(2), 88–101.

• Morgeson, D. (2015). I want-to-do moments: From home to beauty. Think with Google. Retrieved from https://www.thinkwithgoogle.com/articles/i-want-to-do-micro-moments.html

• Morgan, N. A., & Rego, L. L. (2006). The value of different customer satisfaction and loyalty metrics in predicting business performance. Marketing Science, 25(5), 426–439.

• Morgan, R. M., & Hunt, S. D. (1994). The commitment-trust theory of relationship marketing. Journal of Marketing, 58(3), 20–38.

• Neslin, S. A., Grewal, D., Leghorn, R., Shankar, V., Teerling, M. L., Thomas, J. S., et al. (2006). Challenges and opportunities in multichannel customer management. Journal of Service Research, 9(2), 95–112.

• Neslin, S. A., & Shankar, V. (2009). Key issues in multichannel customer management: Current knowledge and future directions. Journal of Interactive Marketing, 23(1), 70–81.

• Nobel, K. (2011). Clay Christensen’s milkshake marketing. HBS Working Knowledge. Retrieved from http://hbswk.hbs.edu/item/6496.html

• Ofir, C., & Simonson, I. (2007). The effect of stating expectations on customer satisfaction and shopping experience. Journal of Marketing Research, 44(1), 164–174.

• Oliver, R. L. (1980). A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, 17(4), 460–469.

• Oliver, R. L. (1993). Cognitive, affective, and attribute bases of the satisfaction response. Journal of Consumer Research, 20(3), 418–430.

• Oliver, R. L., Rust, R. T., & Varki, S. (1997). Customer delight: Foundations, findings, and managerial insight. Journal of Retailing, 73(3), 311–336.

• Onishi, H., & Manchanda, P. (2012). Marketing activity, blogging and sales. International Journal of Research in Marketing, 29(3), 221–234.

• Ou, Y.-C., de Vries, L., Wiesel, T., & Verhoef, P. C. (2014). The role of consumer confidence in creating customer loyalty. Journal of Service Research, 17(3), 339–354.

• Ou, Y.-C., Verhoef, P. C., & Wiesel, T. (2016). The effects of customer equity drivers on loyalty intentions across industries and firms. Journal of the Academy of Marketing Science. Advance online publication. https://doi.org/10.1007/s11747-016-0477-6

• Palmatier, R. W., Gopalakrishna, S., & Houston, M. B. (2006). Returns on business-to-business relationship marketing investments: Strategies for leveraging profits. Marketing Science, 25(5), 477–493.

• Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A multiple-item scale for measuring consumer perceptions of service quality. Journal of Retailing, 64(1), 12–40.

• Parasuraman, A., Zeithaml, V. A., & Malhotra, A. (2005). E-S-QUAL: A multiple-item scale for assessing electronic service quality. Journal of Service Research, 7(3), 213–233.

• Pauwels, K., Aksehirli, Z., & Lackman, A. (2016). Like the ad or the brand? Marketing stimulates different electronic word-of-mouth content to drive online and offline performance. International Journal of Research in Marketing. Advance online publication. https://doi.org/10.1016/j.ijresmar.2016.01.005

• Patrício, L., Fisk, R. P., & Constantine, L. (2011). Multilevel service design: From customer value constellation to service experience blueprinting. Journal of Service Research, 14(2), 180–200.

• Patrício, L., Fisk, R. P., & Falcão e Cunha, J. (2008). Designing multi-interface service experiences: The service experience blueprint. Journal of Service Research, 10(4), 318–334.

• Payne, A., & Frow, P. (2005). A strategic framework for customer relationship management. Journal of Marketing, 69(4), 167–176.

• Peterson, T. (2015). YouTube’s most native ad yet puts shoppable cards into organic videos. Ad Age. Retrieved from http://adage.com/article/digital/youtube-shopping-ads-akin-google-search-ads-pee-rolls/300635/

• Pieters, R., Baumgartner, H., & Allen, D. (1995). A means-end chain approach to consumer goal structures. International Journal of Research in Marketing, 12(3), 227–244.

• Pine, B. J., II, & Gilmore, J. H. (1998). The experience economy: Work is theater and every business a stage. Cambridge, MA: Harvard Business School Press.

• Plassmann, H., Venkatraman, V., Huettel, S., & Yoon, C. (2015). Consumer neuroscience: Applications, challenges, and possible solutions. Journal of Marketing Research, 52(4), 427–435.

• Prahalad, C. K., & Ramaswamy, V. (2003). The new frontier of experience innovation. MIT Sloan Management Review, 44(4), 12–18.

• Provan, K. G., & Kenis, P. (2007). Modes of network governance: Structure, management, and effectiveness. Journal of Public Administration Research and Theory, 18(2), 229–252.

• Pruitt, J., & Adlin, T. (2006). The persona lifecycle: Keeping people in mind throughout product design. San Francisco: Morgan Kaufmann.

• Pucinelli, N. M., Goodstein, R. C., Grewal, D., Price, R., Raghubir, P., & Stewart, D. (2009). Customer experience management in retailing: Understanding the buying process. Journal of Retailing, 85(1), 15–30.

• Ramani, G., & Kumar, V. (2008). Interaction orientation and firm performance. Journal of Marketing, 72(1), 27–45.

• Rapp, A., Baker, T. L., Bachrach, D. G., Ogilvie, J., & Beitelspacher, L. S. (2015). Perceived customer showrooming behavior and the effect on retail salesperson self-efficacy and performance. Journal of Retailing, 91(2), 358–369.

• Rathmell, J. M. (1966). What is meant by services? Journal of Marketing, 30(4), 32–36.

• Rawson, A., Duncan, E., & Jones, C. (2013). The truth about customer experience. Harvard Business Review, 91(9), 90–98.

• Reichheld, F. F. (2003). The one number you need to grow. Harvard Business Review, 81(12), 46–54.

• Reinartz, W., Krafft, M., & Hoyer, W. D. (2004). The customer relationship management process: Its measurement and impact on performance. Journal of Marketing Research, 41(3), 293–305.

• Reinartz, W., & Kumar, V. (2000). On the profitability of long-life customers in a noncontractual setting: An empirical investigation and implications for marketing. Journal of Marketing, 64(4), 17–35.

• Reinartz, W., Thomas, J. S., & Kumar, V. (2005). Balancing acquisition and retention resources to maximize customer profitability. Journal of Marketing, 69(1), 63–79.

• Roberts, J. H., Kayandé, U., & Stremersch, S. (2014). From academic research to marketing practice: Exploring the marketing science value chain. International Journal of Research in Marketing, 31(2), 127–140.

• Rust, R. T., & Chung, T. S. (2006). Marketing models of service and relationships. Marketing Science, 25(6), 560–580.

• Rust, R. T., & Oliver, R. L. (2000). Should we delight the customer? Journal of the Academy of Marketing Science, 28(1), 86–94.

• Rust, R. T., Zeithaml, V. A., & Lemon, K. N. (2000). Driving customer equity: How customer lifetime value is reshaping corporate strategy. New York: Free Press.