Journal of Business Research, Volume 80, November 2017, Pages 10-23 Technology sourcing for website personalization and social media marketing: A study of e-retailing industry
Mots-clefs : Approvisionnement technologique Personnalisation de sites web Marketing des médias sociaux Performance du marché
Résumé :Les flux de littérature existants sur le sourcing technologique, la personnalisation des sites web et le marketing des médias sociaux sont distincts les uns des autres et ne peuvent donc pas expliquer l’impact du sourcing technologique pour la personnalisation des sites web et le marketing des médias sociaux sur les ventes. Pour combler cette lacune, nous utilisons divers concepts tels que l’efficacité, l’adaptabilité, les risques de dépendance, le manque de contrôle de qualité, la spécificité des actifs et les connaissances tacites pour émettre des hypothèses sur l’effet direct du sourcing technologique sur les ventes ainsi que l’effet indirect par le biais des performances des médias sociaux. En utilisant les données d’une enquête menée auprès de 105 détaillants en ligne américains, nous montrons que les détaillants en ligne qui utilisent un approvisionnement technologique mixte pour la personnalisation de sites web réalisent des ventes plus importantes que les détaillants en ligne qui utilisent une technologie développée en interne ou en externe. Au contraire, les détaillants en ligne qui choisissent une technologie développée en externe pour le marketing des médias sociaux réalisent un chiffre d’affaires plus important que les détaillants en ligne qui proposent un marketing des médias sociaux utilisant une technologie développée en interne ou un approvisionnement mixte.
Mots-clefs : Marketing stratégique des réseaux sociaux Cadre holistique Nouveaux médias Définition du marketing des réseaux sociaux Stratégie des réseaux sociaux Marketing numérique
Grandes lignes : Cette recherche présente une définition nouvelle et holistique du marketing des médias sociaux. Le marketing des médias sociaux est transversal et interdisciplinaire. Les dimensions du marketing des médias sociaux comprennent la culture, la portée, la structure et la gouvernance. Les résultats sont intégrés dans un cadre holistique de marketing des médias sociaux. La gestion du marketing stratégique des médias sociaux est très complexe.
Résumé : Le marketing des médias sociaux fait partie intégrante du monde des affaires du XXIe siècle. Cependant, la littérature sur le marketing des médias sociaux reste fragmentée et se concentre sur des questions isolées, telles que les tactiques pour une communication efficace. La recherche actuelle applique une approche qualitative et théorique pour développer un cadre stratégique qui articule quatre dimensions génériques du marketing stratégique des médias sociaux. La portée du marketing des médias sociaux représente un éventail allant des défenseurs aux explorateurs, la culture du marketing des médias sociaux inclut les pôles du conservatisme et du modernisme, les structures du marketing des médias sociaux se situent entre les hiérarchies et les réseaux, et la gouvernance du marketing des médias sociaux va de l’autocratie à l’anarchie. En fournissant une conceptualisation et une définition complètes du marketing stratégique des médias sociaux, cette recherche propose un cadre intégratif qui va au-delà de la théorie marketing existante. En outre, les gestionnaires peuvent appliquer ce cadre pour positionner leur organisation sur ces quatre dimensions d’une manière cohérente avec leur mission et leurs objectifs généraux.
Technological Forecasting and Social Change, Volume 140, March 2019, Pages 22-32. Understanding the effect of social media marketing activities: The mediation of social identification, perceived value, and satisfaction
Mots-clefs : marketing des réseaux sociaux Identification sociale Valeur perçue Intention de continuation Intention de participation Intention d’achat
Grandes lignes : Les activités de marketing des médias sociaux ont une incidence sur la satisfaction par l’identification sociale. Les activités de marketing des médias sociaux affectent la satisfaction par la valeur perçue. L’identification sociale et la valeur perçue affectent indirectement l’intention de continuité. L’identification sociale et la valeur perçue affectent indirectement l’intention de participation.
Résumé :Avec la prédominance d’Internet, les médias sociaux sont devenus un moyen important pour les événements de marketing en ligne. Les individus et les entreprises créent des pages de fans sur les plateformes en ligne et développent des opportunités commerciales en utilisant les médias sociaux. Bien que de nombreuses études antérieures aient examiné les médias sociaux, peu d’entre elles ont mentionné les effets des activités de marketing des médias sociaux. Cette étude a proposé les effets des activités de marketing des médias sociaux sur l’intention de continuation, l’intention de participation et l’intention d’achat via la médiation de l’identification sociale, la valeur perçue et la satisfaction. Afin de tester empiriquement les effets des activités de marketing des médias sociaux, cette étude a mené une enquête en ligne auprès de 502 utilisateurs de médias sociaux pour l’analyse des données. Les résultats de l’analyse ont indiqué que les activités de marketing des médias sociaux affectent indirectement la satisfaction par le biais de l’identification sociale et de la valeur perçue. Dans le même temps, l’identification sociale et la valeur perçue affectent directement la satisfaction qui influence ensuite l’intention de continuation, l’intention de participation et l’intention d’achat. Enfin, les implications académiques et de gestion basées sur les résultats empiriques de cette étude sont fournies comme références pour l’amélioration du marketing des médias sociaux.
Mots-clefs : Réseaux sociaux, Facebook Marketing, viral , Valeur de la publicité , Attitude vis-à-vis des publicités
Résumé :Cette étude a été menée pour conceptualiser la valeur de la publicité et l’attitude des consommateurs à l’égard de la publicité. La recherche a été développée pour révéler l’effet de la source des publicités sur la perception de la crédibilité à travers le cadre théorique du modèle de valeur publicitaire de Ducoffe (1995). L’objectif de la recherche est d’identifier la dérogation de la source en termes de crédibilité pour créer une valeur publicitaire et une attitude positive envers les publicités lancées par le biais du réseau social Facebook. À cet égard, l’étude a utilisé trois sources distinctes pour générer et introduire des messages promotionnels de produits : un groupe de référence associatif, un groupe de référence aspirationnel et les spécialistes du marketing eux-mêmes. Cette recherche a révélé des différences significatives dans le développement de la valeur publicitaire et la formation d’une attitude favorable envers les publicités lorsque le message lié au produit a été développé par ces trois groupes distincts, qui ont des dérogations de sources différentes.
Luc Dupont, (2018), Relations publiques, Big Data et médias sociaux : l’exemple de United Airlines, Communication & Organisation, 2018/2, n°54, p107-p120.
Mots-clefs : relations publiques, réseaux sociaux, big data, e-réputation, forage des données, data mining, médias sociaux, communication, cibles, image, gestion d’image, réputation, stratégies de communication, Facebook, Twitter, YouTube, Instagram ou LinkedIn, L’usager, consommateur d’information, producteur de contenu
Résumé : Cet article a pour but de savoir si la gestion de l’image ou l’e-réputation de l’organisation sur les médias sociaux est redevable des traces numériques laissées par des personnes. Pour appuyer et illustrer ses recherches l’auteur aborde un cas précs : la crise qui frappa la société aérienne United Airlines (UA) en avril 2017, aux États-Unis, suite à la diffusion d’une vidéo dans laquelle on pouvait voir un passager muni d’un billet, se faire expulser de force d’un avion. « La réputation des entreprises apparaît à la fois comme un actif intangible des organisations et comme une finalité des nombreuses stratégies de communication » (Alloing 2016 : 21). On y apprend la force des utilisateurs des réseaux sociaux pouvant touchant un lare auditoir, de facon instantanée, créant ou détruisant en un instant l’image et la réputation d’une marque. « L’usager n’est donc plus un simple consommateur d’information, il devient un producteur de contenus interagissant avec d’autres » (Alloing 2016 : 29) “Livrées aux expériences et aux humeurs des consommateurs, les firmes ne contrôlent plus qu’en partie leur communication” (Merzeau 2015 : 22). Les individus sont à la fois consommateurs et producteur de contenu. Les entreprises ont maintenant un besoin, une nécessité, de veille, d’anticipation et de réactivité en temps réel. Pour illustrer cette influence, nous revenons à l’exemple de l’auteur avec un chiffre : la diffusion de trois vidéos d’un passager passager sorti violemment d’un avion avec coups et blessures va faire chuter le titre de United Airlines à la Bourse de New York de 1,4 milliard $.
Conclusion : Dans l’exemple de l’auteur, sans réseaux sociaux il n’y pas d’affaire, pas de chute en bourse, pas de réputation et e-réputation entachée et pas de nouvelle stratégie de communication. Cette étude conclut sur le fait que la veille des réseaux sociaux et la réactivité d’une entreprise sur ceux-ci est déterminante dans l’évolution d’une crise. Une mauvaise gestion des réseaux, des données, des avis, des images, des vidéos, du contenu digital dans sa globalité ainsi que de la communication web d’une société entache une réputation, et si crise il y a, l’amplifie. L’entreprise perd toute maîtrise de son image de marque et de sa e-réputation.
Sources :
ABDOUS M’hammed, He Wu, 2011, « Using text mining to uncover students’ technology related problems in live video streaming ». British Journal of Educational Technology, 40 : 5, 40-49.
ALCANTARA Christophe, REGOURD Martine, 2017, « E-réputation : cadrage théorique d’un concept complexe et polymorphe », dans F. Charest, C. Alcantara, A. Lavigne, C. Moumouni, E-réputation et influenceurs dans les médias sociaux : nouveaux enjeux pour les organisations, Montréal, Presses de l’Université du Québec, 14-24.
BARBIER Geoffrey, LIU Huan, 2011, « Data mining in social media », Social Network Data Analytics, 327-352.
BENDER Jacqueline, JIMENEZ-MARROQUIN Maria-Carolina, JADAD Alejandro R., 2011, « Seeking support on Facebook : A content analysis of breast cancer groups », Journal of Medical Internet Research, 13 : 1, e16. http://www.jmir.org/2011/1/e16/
CARDON Dominique, 2015, À quoi rêve les algorithmes : nos vies à l’heure des big data, Paris, Seuil, La République des idées, 112 p.
CHAREST Francine, ALCANTARA Christophe, LAVIGNE Alain, MOUMOUNI Charles, 2017, E-réputation et influenceurs dans les médias sociaux : nouveaux enjeux pour les organisations, Montréal, Presses de l’Université du Québec, 364 p.
CULNAN Mary, MCHUGH, Patrick, ZUBILLAGA Jesus, 2010, « How large U.S. companies can use twitter and other social media to gain business value », MIS Quarterly Executive, 9 : 4, 243-259.
DELORT Pierre, 2015, Le Big Data, Paris, PUF, 128 p.
DOMENGET Jean-Claude, MILLETTE Josianne, 2017, « Trajectoires d’usages et temporalités de la communication professionnelle sur le Web », dans F. Charest, C. Alcantara, A. Lavigne, C. Moumouni, E-réputation et influenceurs dans les médias sociaux : nouveaux enjeux pour les organisations, Montréal, Presses de l’Université du Québec, 26-39.
GALLAUGHER John, RANSBOTHAM Sam, 2010, « Social media and customer dialog management at starbucks ». MIS Quarterly Executive, 9 : 4, 197-212.
GOVERNATORI Guido, IANNELLA Renato, 2011, « A modeling and reasoning framework for social networks policies », Enterprise Information Systems, 5 : 1, 145-167.
KAPLAN Andreas, HAENLEIN Michael, 2010, « Users of the world, unite ! The challenges and opportunities of social media », Business Horizons, 53, 59-68.
LAVIGNE Alain, 2012, « Réseaux / médias sociaux et relations publiques », Conférence prononcée dans le cadre du webinaire organisé par l’Observatoire des médias sociaux en relations publiques, 11 mai, Québec, Université Laval.
MARR Bernard, 2016, Big Data in practice, Wiley, New York, 320 p.
MERZEAU Louise, 2009, « Du signe à la trace : l’information sur mesure », Hermès, La Revue, 1 : 53, 21-29.
MERZEAU Louise, 2015, « E-réputation : Carrefour et tensions », dans C. Alcantara (dir.), E-réputation. Regards croisés sur une notion émergente, Issy-les-Moulineaux, Gualino-Lextenso éditions, 17-26.
ORIGGI Gloria, 2015, La réputation : qui dit quoi de qui, Paris, PUF, 300 p.
SINDEREN Martin Van, ALMEIDA João Paulo, 2011, « Empowering enterprises through next-generation enterprise computing », Enterprise Information Systems, 5 : 1, 1-8.
Géraud de Vaublanc, (2019), Comment construire une stratégie pour vos marques ?, Image, réputation, influence, p12-p17.
Mots-clefs : digital, big data, smart data, IA, web 2.0, web 3.0, web 4.0, web social, réseaux sociaux, besoins utilisateur, données, stratégie, informations en temps réel, marque, relation client, expérience client (UX)
Résumé :Ce texte a pour but de nous illustrer l’évolution de l’image, de la réputation et de l’influence des sociétés depuis le début des années 2000 avec l’arrivée d’un web plus intelligent. On y apprend que les trois leviers classiques de stratégie d’image d’entreprise (relation de presse/publique, investissements publicitaires réguliers, l’appui de réseaux d’influence) ne sont plus suffisants. Selon l’auteur cette époque a été balayé par 3 clefs : le digital, les smart data et l’intelligence artificielle (IA).
Avec le développement constant et important du web, la récolte de données est devenue essentielle et révélatrice tout comme la croissance du web mobile. Ces élément ont bouleversé nos vies mais également nos stratégies marketing. La récolte de données permet d’évaluer ses consommateurs ou prospects, elle permet également de savoir ce que pense notre environnement et consommateurs de nous. Et cela ne devrait pas décroitre, bien au contraire, avec l’arrivée du web 4.0, utilisant plus finement les données.
Les big data sont devenues des smart data, qui nous guident beaucoup plus facilement vers nos réponses et consommateurs. Elles permettent aux entreprises notamment via les réseaux sociaux de récolter des données sur leurs marques, leurs produits, leurs technologies, leurs initiatives ou leurs dirigeants. Grâce à ces données les entreprises affûtent plus efficacement leur stratégie. Il s’agit d’informations délivrées en temps réel, permettant un champ d’action efficace.
L’IA a bouleversé la relation des marques avec le client et déterminant même en partie leurs réputations. Le parcours client est renouvelé et semble être de plus en plus au centre de toute stratégie, l’expérience client est maintenant devenue également essentielle sur le web.
Conclusion : L’évolution constante du web et sa prise d’intelligence oblige en quelque sorte les entreprises à repenser leur stratégies, remodeler leur image et à suivre les tendances. En effet, avec un monde digital en constante mouvance, les marques se doivent de rester à la pointe pour ne pas se faire surprendre. Il est donc essentiel pour une marque de tenter de récolter un maximum ses données et d’incorporer les évolutions digitales afin de mieux comprendre des consommateurs de plus en plus libre de s’exprimer mais surtout d’influencer l’image d’une marque et sa réputation.
Il est maintenant logique de se demander qui influence le plus l’autre ? La marque influence t elle le consommateur ? Le client est-il l’influenceur des marques ? La marque et ses clients s’influencent-t-ils mutuellement ? Qui définit réellement la stratégie marketing sur le web ?
Mots clés : Des médias sociaux, Connaissance de la marque, Participation, Qualité de l’information, Attitude, Intention d’achat
Abstract : Cette étude a examiné l’influence de la familiarité de la marque du consommateur et la qualité de l’information du contenu des médias sociaux sur leur implication avec une marque sur les pages de médias sociaux de la marque. L’étude a également porté sur l’influence de l’implication sur l’attitude du consommateur à l’égard de la page des médias sociaux de la marque et l’effet de son attitude sur l’intention d’achat futur de la marque. Les résultats ont indiqué que la familiarité avec la marque et la qualité de l’information avaient des effets significatifs sur l’implication d’un consommateur avec une marque sur sa page de médias sociaux, mais le contenu des médias sociaux de la marque avait une plus grande influence sur l’implication d’un consommateur avec la page de médias sociaux. En outre, la participation aux médias sociaux d’une marque a conduit à une attitude positive à l’égard de la page des médias sociaux de la marque, qui à son tour influence l’intention d’achat future de la marque. Cependant, cette implication n’a pas directement influencé l’intention d’achat futur de la marque. Les résultats suggèrent l’importance significative de la qualité du contenu des médias sociaux.
Hypothèses : H1 : L’implication des consommateurs avec une marque sur les réseaux sociaux influencera leur attitude vis-à-vis de la présence sur les réseaux sociaux d’une marque. H2 : L’implication des consommateurs avec une marque sur les réseaux sociaux influencera leur future intention d’achat auprès de la marque. H3 : L’attitude des consommateurs envers la présence sur les réseaux sociaux d’une marque influencera l’intention d’achat futur de la marque. H4 : La familiarité de la marque du consommateur influencera son implication avec une marque sur les réseaux sociaux. H5 : Il y aura un effet incrémentiel de la qualité de l’information du contenu des médias sociaux d’une marque sur la familiarité de la marque pour déterminer l’effet sur l’implication du consommateur avec une marque sur les médias sociaux.
Analyse des données : Les données recueillies à partir de l’enquête ont été analysées à l’aide du programme Statistical Package for Social Science (SPSS). L’analyse des données comprenait des statistiques descriptives, une analyse factorielle exploratoire, une analyse de régression hiérarchique et une analyse de régression bivariée. Les valeurs alpha de Cronbach ont été calculées pour évaluer l’aspect de cohérence interne de la fiabilité des échelles multi-éléments mesurant la notoriété de la marque (0,72), la qualité de l’information (0,93), la participation (0,92), l’attitude (0,94) et l’intention d’achat (0,97) (voir Tableau 1). Les valeurs alpha respectives pour toutes les variables incluses dans l’étude ont été jugées suffisamment fiables pour être utilisées. En préparation pour tester les hypothèses, les scores de familiarité avec la marque, la participation aux médias sociaux, l’attitude et les intentions de favoritisme ont été calculés en additionnant les éléments de chaque échelle. Les moyennes et les écarts-types pour toutes les variables ont également été calculés comme indiqué dans le tableau 1.
Discussions : Dans cette étude, nous avons constaté que la notoriété de la marque et la qualité de l’information du contenu des médias sociaux d’une marque avaient une influence significative sur l’implication des consommateurs dans les pages de médias sociaux de la marque, tandis que la qualité de l’information avait un impact plus important sur l’implication des médias sociaux que la familiarité de la marque. En outre, les résultats ont montré que l’implication d’un individu avec cette marque sur les réseaux sociaux est un facteur important dans la formation et la facilitation de l’attitude envers les pages de réseaux sociaux de la marque, ce qui conduit finalement à une intention d’achat future. Fait intéressant, cette étude a révélé que la familiarité avec une marque avait moins d’impact que la qualité de l’information sur la participation aux pages de médias sociaux de la marque. Ces résultats suggèrent une opportunité pour les marques de gagner des followers potentiels et des clients éventuels en ciblant ceux qui ne connaissent pas leur marque. En présentant des informations de qualité via le contenu des médias sociaux à des personnes qui ne connaissent pas la marque, cela peut faciliter la participation des consommateurs aux pages des médias sociaux de la marque. Cette constatation est conforme à une étude de Mersey et al. (2010) en ce que les médias sociaux offrent aux entreprises la possibilité de s’engager et d’interagir avec des clients potentiels et de nouer des relations avec eux.
Abstract : Alors que la recherche sur le commerce social s’est principalement concentrée sur la façon dont les marques établies attirent les consommateurs, on sait très peu de choses sur ce qui motive les individus à risquer d’acheter dans des magasins appartenant à d’autres individus. L’étude examine les facteurs sous-jacents influençant les intentions des consommateurs indonésiens d’acheter des produits de style de vie sur les boutiques Instagram, malgré l’absence de garanties financières contre la fraude. En étendant la théorie du raisonnement motivé, les résultats montrent que les contraintes perçues pour acheter par d’autres canaux modèrent les effets des variables clés qui influencent la confiance et les intentions d’achat. La facilité et la sécurité perçues des transactions sur les magasins de médias sociaux ne sont corrélées qu’avec la confiance des consommateurs qui perçoivent qu’ils ont un contrôle illimité sur l’endroit où acheter. Cependant, ces relations n’étaient pas significatives pour les consommateurs qui perçoivent de fortes contraintes sur les canaux d’achat alternatifs. Les résultats élargissent la compréhension des conditions aux limites du marketing des médias sociaux, en particulier dans les économies émergentes.
Hypothèses : H1 : La confiance dans un magasin de médias sociaux a une relation positive avec l’intention de magasiner. H2 : La facilité de transaction a une relation positive sur la confiance envers le magasin de médias sociaux. H3 : La sécurité perçue des transactions a une relation positive de confiance avec le magasin de médias sociaux.
Analyse des données : La mesure et l’analyse du modèle structurel ont été menées à l’aide de Smart PLS (Ringle, Wende et Becker, 2015). En suivant les procédures analytiques en deux étapes suggérées par Anderson et Gerbing (1988), le modèle de mesure a d’abord été évalué, suivi du modèle structurel. Une méthode de bootstrapping non paramétrique avec un nombre recommandé de 5000 rééchantillons a été menée pour évaluer la signification des chargements et des coefficients de trajectoire (Hair, Hult, Ringle et Sarstedt, 2017).
Discussions : Comme indiqué par Hajli (2013), il y a relativement peu de recherches dans le domaine du commerce social, et l’une des principales avenues de la recherche sur le commerce social est de tester empiriquement des constructions qui sont considérées comme influençant l’adoption du commerce social. La présente étude montre de nouvelles preuves sous-tendant les conditions aux limites de la façon dont la facilité de transaction et la sécurité jouent un rôle important dans l’instauration de la confiance et de l’intention de magasiner sur les médias sociaux. Plus précisément, nos résultats complètent les études récentes en soulignant la nécessité de considérer les alternatives de commerce sur les réseaux sociaux comme un influenceur significatif de la prise de décision des consommateurs. Des études récentes sur le commerce social se sont largement concentrées sur les caractéristiques du magasin lui-même (Huang & Benyoucef, 2017) ou sur l’implication des consommateurs dans la plateforme de médias sociaux elle-même (Hajli et al., 2017) en tant qu’antécédents de la confiance et de l’achat des consommateurs intention envers les magasins de commerce social. Nos résultats étendent cela en allant au-delà du contexte des médias sociaux et renforcent encore notre compréhension des antécédents de la création de valeur dans le commerce social (Stephen et Toubia, 2010).
Mots clés : Comportement du consommateur, Échelle de mesure, Tendance d’achat impulsive, Traits de personnalité, Maîtrise de soi, Comportement d’achat impulsif
Abstract : Avec l’ouverture de l’économie et la prolifération de la culture des centres commerciaux, la pertinence économique du comportement d’achat impulsif a pris de l’importance. Le comportement d’achat impulsif est mieux compris en examinant la tendance d’achat impulsif qui façonne un tel comportement, et puisque le comportement des consommateurs diffère selon les cultures, en incorporant une perspective indigène dans la compréhension et la mesure de la tendance. Des études ont été menées pour développer une échelle indienne pour mesurer la tendance d’achat impulsif et pour la valider en examinant son association avec d’autres variables pertinentes. Une échelle à deux facteurs en 8 éléments a été élaborée ; une relation positive significative a été observée entre la tendance d’achat impulsif et le comportement d’achat impulsif, et la relation entre la tendance d’achat impulsif et la maîtrise de soi s’est révélée inversement significative. Les résultats ont également montré une relation significative entre la tendance d’achat impulsif et les deux constructions de la personnalité de la conscience et de l’extraversion.
Méthodologie : Analyse de l’échantillon Les acheteurs revenant des centres commerciaux de Delhi, en Inde, ont été sélectionnés pour l’étude. Avec un échantillon minimum de 420 en tête, 450 questionnaires ont été ciblés; avec 28 réponses imprécises ou incomplètes, 422 questionnaires ont finalement été pris en compte pour l’analyse. L’échantillonnage de commodité a été utilisé pour recueillir des données, afin d’éviter la possibilité que les répondants non sérieux nuisent au résultat réel de la recherche, et seuls les candidats véritablement intéressés ont été approchés et invités à fournir des informations et des opinions. Pour éviter les biais de non-réponse, les répondants ont été assurés de la confidentialité de la recherche et ont également été informés de son importance.
Comme le montre le tableau 1, l’échantillon était composé de 233 hommes et 189 femmes. Tout en finalisant la taille de l’échantillon, étant donné que l’analyse se concentrait principalement sur l’analyse factorielle exploratoire et confirmatoire, la règle acceptable de 10 observations par élément (Arrindell, van der Ende, 1985, Nunnally, 1978) a été acceptée et, par conséquent, pour une échelle de 42 éléments, un une taille d’échantillon minimale de 420 a été ciblée. Le profil d’échantillonnage détaillé est donné dans le tableau 1.
Résultats : Les données ont d’abord été soumises à une analyse factorielle exploratoire (ALE), puis un ajustement approprié a été établi par une analyse factorielle confirmatoire (CFA). Le résumé des résultats des analyses est le suivant. Résultats de l’analyse factorielle exploratoire : Les 42 items pour mesurer la tendance d’achat impulsif ont été soumis à une analyse en composantes principales. Avant d’utiliser l’analyse factorielle de l’axe principal, car il est important de s’assurer que la matrice de données présente des corrélations suffisantes pour justifier l’application de l’analyse factorielle, les résultats liés aux tests de sphéricité de Bartlett et aux tests de Kaiser – Meyer – Olkin (KMO) d’adéquation de l’échantillonnage ont été observées. Alors que la valeur de test pour le test de Bartlett de sphéricité était de 1,014E3, les résultats ont montré que la valeur de 0,89 pour le test KMO d’adéquation de l’échantillonnage était extrêmement bonne. La matrice initiale de l’analyse factorielle a montré que cinq facteurs expliquaient 72% de la variance totale, dépassant le seuil de 60%, les deux premiers facteurs représentant respectivement 20,56% et 14,06% de la variance. Afin d’identifier les deux facteurs les plus influents, une analyse factorielle exploratoire a été effectuée en limitant le total des facteurs à deux et les charges de facteurs indiquées dans le tableau 2 ont été obtenues. L’alpha de Cronbach de 0,78 et 0,81, respectivement, pour les deux facteurs indiquait une mesure raisonnable de fiabilité.
Abstract : « C’est également pour des raisons méthodologiques que, trop longtemps sans doute, on s’est contenté de tester des modèles simples de type “ stimulus → réponse ” (cf. Fig. 1a), où l’impact d’une variable manipulée sur la variable à prédire est direct et unique. Dans ce cas, c’est l’influence du contexte ou des caractéristiques individuelles qui prédisent un comportement. » « Afin d’atténuer ces confusions et d’éclaircir les notions de médiateur et de modérateur, nous commencerons par souligner leurs différences. Puis nous montrerons comment ces variables s’intègrent dans les modèles de la psychologie de la santé et de la psychologie du travail. Enfin nous tenterons d’expliquer les méthodes d’analyse quantitative susceptibles de tester leurs effets respectifs. »
Modérateur : Un modérateur est plutôt une variable de nature qualitative (sexe, race, contexte…) ou quantitative (niveau de revenu…) affectant la direction ou l’intensité de la relation entre la variable indépendante et la variable dépendante. C’est le principe de l’interaction statistique où des variables indépendantes peuvent isolément avoir un effet différent de leur effet combiné :
Le principe d’une variable modératrice est de modifier la relation entre un prédicteur et un critère. Stern, McCants et Pettine (cités par Baron et Kenny, 1986) font apparaître, par exemple, un impact différentiel des changements de vie sur la survenue de maladies. D’une manière générale, selon la nature de la variable modératrice (qualitative ou quantitative), différentes analyses peuvent être utilisées pour vérifier un effet modérateur : • Comparer les corrélations prédicteur-critère entre différents groupes ayant un score élevé ou faible sur le modérateur ; • Faire une analyse de variance ; • Utiliser un terme multiplicatif (prédicteur × modérateur) dans une régression multiple ; • Utiliser un terme multiplicatif (prédicteur × modérateur) dans une piste causale.
Comparaison de corrélations Lorsque les variables indépendantes et dépendantes sont continues et que la variable modératrice est de nature dichotomique (sexe, par ex.), on utilise cette méthode. On divise la population en deux selon son score sur le modérateur (ou selon son sexe) et on effectue une régression sur chacune de ces deux populations entre les prédicteurs et le critère. Suivant la signification conceptuelle de ce modérateur (amplificateur de la perturbation ou réducteur tampon), le sens de la corrélation sera modifié d’un groupe à l’autre. C’est le cas, par exemple, d’une étude menée auprès d’un groupe de cadres (Howard, Cunningham, & Rechnitzer, 1986) qui cherche à mettre en évidence l’impact différentiel de stresseurs professionnels (ambigu ïté de rôle) sur des indicateurs de risque coronariens selon la personnalité des sujets (type A, type B). L’analyse des résultats montre que la corrélation entre l’ambigu ïté de rôle et certains indicateurs physiologiques comme la pression artérielle est plus élevée chez les sujets de type A
Analyse de variance à deux facteurs Pour tester un effet modérateur, l’analyse de variance à deux facteurs est la méthode la plus traditionnellement utilisée. Lorsque le prédicteur et le modérateur sont des variables qualitatives et la variable dépendante de nature continue, on peut tester l’effet d’interaction entre ces deux variables indépendantes. Le principe consiste à évaluer les effets principaux des deux variables indépendantes sur le critère, ainsi que leur interaction. Cette dernière doit avoir un effet significatif. C’est le cas du soutien social vu comme un modérateur de la relation stress-maladie (Rascle, 1994). L’issue adaptative dépend en fait de l’intensité des deux variables indépendantes. Selon l’intensité du soutien social disponible, l’impact d’événements stressants sera plus ou moins nocif pour l’individu. Ce qui signifie, dans ce cas, que l’effet de l’une des variables indépendantes n’agit qu’en fonction de l’intensité de l’autre. Nous avons affaire à un véritable effet d’interdépendance (ou interaction mécanique). De nombreuses études ont utilisé cette méthode dans le but de démontrer un effet modérateur (House, 1981 ; Seers, McGee, Serey, & Graen, 1983).
Régression multiple avec terme multiplicatif Il s’agit dans ce cas de construire une nouvelle variable qui sera le produit de deux prédicteurs (personnalité × stresseur par exemple ou stresseur × soutien social), puis d’effectuer une régression multiple hiérarchique. Lorsque l’on choisit la méthode pas à pas, il convient de commencer par entrer dans l’équation les variables prédictives, puis, en dernier, le produit de ces variables (variable modératrice). L’effet modérateur est vérifié lorsque le changement de R2 (son augmentation) est significatif après l’entrée de cette variable d’interaction. Dans l’étude déjà citée de Helgeson (1992), la variable d’interaction (lieu de contrôle spécifique à la santé × réhospitalisation) prédit significativement l’ajustement de patients atteints de pathologies cardio-vasculaires. Lorsque cette variable est introduite dans l’équation de régression, le R2 (ou % de variance expliquée) augmente significativement de 5 % (β = – 0,21 ; p < .05), alors que la réhospitalisation ne prédit pas à elle seule l’ajustement (β = 0,03).
L’analyse des pistes causales ou régression partielle Un autre moyen de tester l’effet d’interaction entre deux prédicteurs sur un critère consiste à utiliser les modèles structuraux (Lisrel, par ex.). Autre méthode de régression, l’analyse des pistes causales (régressions partielles) appartient à cette catégorie. Cette méthode fournit des coefficients d’influence directe, indirecte et totale de toutes les variables explicatives sur les critères. Ce sont des coefficients de régression partielle car ils ne prennent en compte que le poids réel de la relation entre deux variables une fois contrôlé celui des autres variables du modèle et les erreurs de mesure (dues à la non-fidélité des mesures, à l’échantillonnage, à la normalité des distributions). Dans un exemple illustratif de la méthode employée, Li, Harmer, Duncan, Duncan, Acock et Boles (1998) testent un modèle dans lequel deux variables prédictives prises isolément (niveau de compétence et d’autonomie) sont associées à une variable latente (produit des deux) pour expliquer le critère (motivation à faire des exercices physiques). L’effet d’interaction est dans ce cas démontré sans qu’il soit contaminé par celui des autres variables.
